针对风速的不确定性、时变和非线性特征,提出一种用于风速预测的基于受限玻尔兹曼机和粗糙集理论的区间概率分布学习(Interval Probability Distribution Learning, IPDL)模型。该模型包含一组区间隐藏变量,利用Gibbs抽样和对比散度来...针对风速的不确定性、时变和非线性特征,提出一种用于风速预测的基于受限玻尔兹曼机和粗糙集理论的区间概率分布学习(Interval Probability Distribution Learning, IPDL)模型。该模型包含一组区间隐藏变量,利用Gibbs抽样和对比散度来获取风速的概率分布,结合模糊Ⅱ型推理系统(Fuzzy Type Ⅱ Inference System, FT2IS),设计一个有监督回归的实值区间深度置信网络(Interval Deep Belief Network, IDBN)。算例结果表明,该方法结合了IPDL和FT2IS的鲁棒性,风速预测性能较好。展开更多
文摘针对风速的不确定性、时变和非线性特征,提出一种用于风速预测的基于受限玻尔兹曼机和粗糙集理论的区间概率分布学习(Interval Probability Distribution Learning, IPDL)模型。该模型包含一组区间隐藏变量,利用Gibbs抽样和对比散度来获取风速的概率分布,结合模糊Ⅱ型推理系统(Fuzzy Type Ⅱ Inference System, FT2IS),设计一个有监督回归的实值区间深度置信网络(Interval Deep Belief Network, IDBN)。算例结果表明,该方法结合了IPDL和FT2IS的鲁棒性,风速预测性能较好。
