基于CEEMDAN-GWO-LSSVM的高铁沿线短期风速预测模型

摘要

为提升高铁沿线风速短期预测的精度,利用基于自适应去噪完全集合经验模态分解(CEEMDAN)和灰狼优化(GWO)与最小二乘支持向量机(LSSVM)模型对高铁沿线风速进行短期预测。以某高铁沿线每间隔1 min采样的风速数据作为仿真对象展开建模实验并与其他组合预测模型进行比对。结果表明:CEEMDAN-GWO-LSSVM模型可以显著提升风速预测精度和准确性,其中均方误差(MSE)、平均绝对误差(MAE)和均方根误差(RMSE)3项评价指标提升程度分别达71.17%、46.14%和42.49%,均为最高。降低预测过程中产生的误差,为我国高速铁路沿线的短期风速预测研究提供有益借鉴。