本文选用的小波函数为Symlets小波(Sym4),分解层数为一层,分解序列为 (第一层高频系数重构)、 (第一层低频系数重构)。
以 时刻的小波分解序列 、 作为BP神经网络的输入, 时刻原始序列作为网络输出(预见期为1小时),建立三层BP神经网络模型。其中,训练样本和预测样本同前,采用的基本函数也同前。
训练步数为20000,误差满足要求。预测结果见图5。
图5 预测结果过程图
小波-BP神经网络模型的绝对误差平均值为0.7m/s,相对误差平均值为12.23%。
3.4模型对比分析
以持续法预测结果作为对比基础,从绝对误差、相对误差两个方面对预测结果进行分析。
(1)绝对误差
将绝对误差分为5个区间,在绝对误差值小的区间个数多,则预测方法较好。
绝对误差分段统计见表3。
表3 时风速绝对误差分段频数统计表
分段区间 《0.5
m/s [0.5,1.0)
m/s [1.1,1.5)
m/s [1.5,2.0)
m/s ≥2.0
m/s
持续法 6 7 7 7 3
BP模型 7 7 8 4 4
小波-BP模型 10 14 4 1 1
从表3可以看出,小波-BP神经网络组合模型在绝对误差值小的区间个数多。如持续法的绝对误差小于0.5m/s的个数为6个(总数为30个),BP神经网络组合模型的绝对误差小于0.5m/s的个数为7个(总数为30个),小波-BP神经网络组合模型的绝对误差小于0.5m/s的个数为10个(总数为30个)。可知小波-BP神经网络组合模型的绝对误差平均值最小。
(2)相对误差
<上一页34余下全文