为提高天气研究和预报(Weather Research and Forecasting,WRF)数值模式风速预报的准确度,引入深度置信网络(Deep Belief Nets,DBN),构建了基于WRF数值模型的DBN风速预测模型。利用WRF数值模式进行风速预报,将预报结果与70m高的测风塔...为提高天气研究和预报(Weather Research and Forecasting,WRF)数值模式风速预报的准确度,引入深度置信网络(Deep Belief Nets,DBN),构建了基于WRF数值模型的DBN风速预测模型。利用WRF数值模式进行风速预报,将预报结果与70m高的测风塔实际数据作为网络的输入对深度信念网络进行逐层训练,在Matlab平台上建立DBN风速预测模型并进行仿真。经验证:基于WRF数值模式的DBN风速预测模型的相对均方根误差为11.03%,比支持向量机(Support Vector Machine,SVM)预测模型降低了4.41%。实验结果表明:该模型能很好地预测风速并且得到了较高的预测精度。展开更多
文摘为提高天气研究和预报(Weather Research and Forecasting,WRF)数值模式风速预报的准确度,引入深度置信网络(Deep Belief Nets,DBN),构建了基于WRF数值模型的DBN风速预测模型。利用WRF数值模式进行风速预报,将预报结果与70m高的测风塔实际数据作为网络的输入对深度信念网络进行逐层训练,在Matlab平台上建立DBN风速预测模型并进行仿真。经验证:基于WRF数值模式的DBN风速预测模型的相对均方根误差为11.03%,比支持向量机(Support Vector Machine,SVM)预测模型降低了4.41%。实验结果表明:该模型能很好地预测风速并且得到了较高的预测精度。
