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
