9、基于神经网络与多准则决策的风速预测及模糊集方法研究

基于神经网络与多准则决策的风速预测及模糊集方法研究

在当今的科技领域，风速预测以及多准则决策问题的解决方法备受关注。本文将为大家详细介绍基于神经网络的风速预测方法，以及基于熵权的直觉模糊集的扩展 VIKOR - TODIM 方法。

基于神经网络的风速预测

风速预测在很多领域都有着重要的应用，比如风力发电等。这里介绍了两种基于神经网络的风速预测方法，分别是 BPANN 和 BBOANN。

数据准备

• 训练数据 ：选取了印度斋浦尔 2003 年 1 月 1 日至 2010 年 12 月 31 日共 7 年对应四季的数据作为训练数据。
• 验证数据 ：使用 2011 年 1 月 1 日至 2011 年 12 月 31 日一年的风速数据来验证训练好的网络。
• 数据采集频率 ：每 3 小时采集一次数据，一天有 8 个数据点，分别在 00:00、03:00、06:00、09:00、12:00、15:00、18:00、21:00。
• 输入设置 ：神经网络有 57 个输入，其中 56 个是一周的风速数据点（每天 8 个 3 小时平均风速数据），1 个是天气季节信息。

BPANN 网络算法

由于风速具有复杂和非线性的特点，BPANN 采用了 2 个隐藏层。经过多次试验，确定了以下参数：
- 隐藏层节点数 ：第一层 32 个节点，第二层 12 个节