-
题名基于深度分解的非平稳非高斯过程多步预测
被引量：1
- 1
-
-
作者
李春祥
金梦雅
-
机构
上海大学土木工程系
-
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2020年第4期711-718,823,824,共10页
-
基金
国家自然科学基金资助项目(51778354)。
-
文摘
首先,综合运用小波包分解(wavelet packet decomposition,简称WPD)、样本熵、单位根检验法和变分模态分解(variational mode decomposition,简称VMD),提出利用混合深度分解(hybrid deep decomposition,简称HDD)对非平稳非高斯过程进行处理,降低实测风速风压复杂性,提升其可预测性;其次,根据Mercer定理构造了Morlet+Hermite(MH)线性组合核函数,使其具有局部多分辨性和全局泛化性的优点,采用粒子群算法(particle swarm optimization,简称PSO)对MH核进行参数优化,结合最小二乘支持向量机(least square support vector machine,简称LSSVM)建立HDD-MH-LSSVM多步预测模型;然后,将该模型与常用核函数构成的HDD-Poly-LSSVM,HDD-径向基函数(radial basis function,简称RBF)-LSSVM多步预测模型以及极限学习机(extreme learning machine,简称ELM)多步预测模型形成对比;最后,采用下击暴流风速和台风天大跨膜结构表面实测风压进行大步数多步预测验证。结果表明,HDD-MH-LSSVM预测算法预测精度高、稳定性好、通用性强。
-
关键词
非平稳非高斯过程
极端风
混合深度分解
小波混合核
最小二乘支持向量机
多步预测
-
Keywords
non-stationary and non-Gaussian process
extreme wind
hybrid deep decomposition
wavelet hybrid kernel function
least square support vector machine
multi-step prediction
-
分类号
TU311
[建筑科学—结构工程]
-
