.png){kind=icon}
返回
A multi-objective optimization-based ensemble neural network wind speed prediction model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ijepes.2025.110833.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 本文采用基于滑动窗口的多变量预测，将过去时刻的多个特征变量作为自变量，未来风速作为因变量。该方法为预测收集了更多信息，其准确性高于单变量预测。
• 本文创新性地利用XGBoost整合神经网络模型，并采用一种新颖的多目标参数优化方法以提高XGBoost的预测精度。
• 本文创新性地提出一种动态自适应多目标优化参数算法NS-ADPOA，该方法解决了决策树模型的过拟合和欠拟合问题。
• 本文中的集成模型有效整合了多种神经网络，包括卷积神经网络、循环神经网络、最新集成模型如Informer，以及本文提出的原始模型：CNN-BiLSTM-AM。
• 本研究在代表不同风速条件的四个数据集上验证了所提出的模型，结果表明该模型能够在不同风速环境下保持较强的预测性能。
Keyword:
Wind speed prediction
Neural network models
XGBoost algorithm
NS-ADPOA algorithm
Ensemble model
期刊
I
IF:
5
论文数:
1.1W
被引数:
3.1W
机构
暂无机构信息
引用论文
分享收藏分享收藏Probabilistic and deterministic wind speed forecasting based on non-parametric approaches and wind characteristics information.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏A compound framework incorporating improved outlier detection and correction, VMD, weight-based stacked generalization with enhanced DESMA for multi-step short-term wind speed forecastingAPPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏
XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容