BriefGPT - AI 论文速递
·
基于注意力门控循环神经网络和误差更正策略的短期风速预测模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本论文提出了一种基于改进的门控循环神经网络（AtGRU）和错误校正策略的短期风速预测模型。该模型利用AtGRU作为初步预测器和GRU作为错误纠正器，通过SSA降噪风速序列，并使用VMD训练预测误差。在Woodburn、St. Thomas和Santa Cruz的风速预测中，该模型表现出色，显著提高了准确性。
🎯
关键要点
- 提出了一种基于改进的门控循环神经网络（AtGRU）和错误校正策略的短期风速预测模型。
- 模型使用AtGRU作为初步预测器，GRU作为错误纠正器。
- 通过奇异谱分析（SSA）对风速序列进行降噪。
- 使用变分模态分解（VMD）训练预测误差。
- 在Woodburn、St. Thomas和Santa Cruz的风速预测中，该模型表现出色，显著提高了准确性。
➡️
