基于图卷积和循环神经网络的多风场风速时空预测方法

摘要

本发明公开了一种基于图卷积和循环神经网络的多风场风速时空预测方法，针对现有风速时空预测方法常使用的卷积神经网络难以有效分析现实中呈现非网格分布的多风场的风速数据，提出图卷积长短期记忆神经网络来处理该数据。首先基于皮尔森相关性系数对多风场的风速数据进行图建模，构造风速图信号序列；然后使用图卷积替代长短期记忆神经网络中的乘法运算，构造图卷积长短期记忆神经网络；最后基于图卷积长短期记忆神经网络以及迁移学习原理构建多风场风速时空预测模型。本发明所提时空预测模型具有较好的点预测和概率预测性能，验证了融合邻近风场的历史风速信息能够有助于提高风速点预测和概率预测的准确性，为多风场的短期风速预测提供了新思路。