通信与网络中的基于ARIMA与Elman神经网络的风速组合预测模型

摘要:近年来研究表明,组合预测方法比单一预测具有更高的预测精度。提出了一种利用改进的Elman神经网络修正ARIMA模型预测结果的短期风速组合预测模型。 先利用ARIMA模型对风速进行预测,其线性规律信息包含在时间序列预测结果中,非线性规律包含在预测误差中。再将ARIMA模型的预测误差及历史风速一阶差分序列作为改进的Elman神经网络输入变量,将ARIMA模型的风速预测误差作为输出变量。最后将ARIMA模型预测结果与Elman神经网络的误差预测结果叠加,得到最终修正后的预测风速。分析结果表明,该方法与单一ARIMA方法及其他组合方法相比,预测滞后性更小,预测精度更高,在风速预测领域具有较