基于EEMD和LSTM的短期风速预测模型研究

摘 要: 由于风具有较强的阵性和局地性，影响因子较多，利用机器学习相关技术进行风速的预测，往往会受这 些影响，降低预测的准确率，特别是对于瞬时大风的预测，准确度普遍不高。针对上述问题，提出一种基于集合经验模 态分解法(EEMD)和长短期记忆神经网络(LSTM)相结合的短期风速预测模型，该模型采用EEMD将风速序列分解为多个 频域相对稳定的子序列，进而改善经验模态分解法(EMD)模态混叠现象，再采用LSTM构建预测模型，实现短期风速预 测。该方法与其他预测方法相比，预测的精度更高，误差更小，验证了本文预测方法的可行性和有效性。