基于萤火虫算法的风速预测研究现状及发展前景
Research Status and Development Prospect of Wind Speed Prediction Based on Firefly Algorithm
DOI: 10.12677/HJCE.2017.64049, PDF, HTML, XML, 下载: 1,405  浏览: 2,516  科研立项经费支持
作者: 郑晓芬, 徐 畅:同济大学土木工程学院,上海;李春祥*:上海大学土木工程系,上海
关键词: 风速预测神经网络支持向量机萤火虫算法Wind Speed Prediction Neural Networks Support Vector Machines Firefly Algorithm
摘要: 风速预测作为抗震设计,风电场的前提,有极为重要的应用前景。本文首先对风速预测的两大理论方法神经网络和支持向量机其近来的改进与发展做简要的介绍与对比。然后一种新兴的在其他领域已经有较为广泛应用的萤火虫算法,在风速预测方面也可结合支持向量机进行使用。本文对萤火虫算法的基本理论进行了介绍,由于基本萤火虫算法存在的问题,同时也罗列了一些萤火虫算法的改进。最后对风速预测与萤火虫算法的应用前景进行展望。
Abstract: Wind speed prediction, as a prerequisite for seismic design and wind farm, has a very important application prospect. Firstly, this paper briefly introduces the basic methods of neural networks and support vector machines and their recent improvements in wind speed prediction. Secondly, the firefly algorithm as a new algorithm has been applied widely in other fields, and in the wind speed prediction it can also combine support vector machines. Due to the shortcoming of basic firefly algorithm, this paper also lists some improvements of the firefly algorithm. Finally, the forecast of wind speed prediction and the algorithm of firefly are prospected.
文章引用:郑晓芬, 徐畅, 李春祥. 基于萤火虫算法的风速预测研究现状及发展前景[J]. 土木工程, 2017, 6(4): 417-424. https://doi.org/10.12677/HJCE.2017.64049

参考文献

[1] 王月丹. 基于数据驱动技术的脉动风速模拟[D]: [硕士学位论文]. 上海: 上海大学土木工程系, 2015.
[2] 李利孝, 郑斌, 肖仪清, 宋丽莉. 考虑非高斯特性影响的台风场阵风因子研究[J]. 土木工程学报, 2015(5): 44-50.
[3] 肖玉凤, 段忠东, 肖仪清, 欧进萍. 基于数值模拟的台风危险性分析综述Ⅰ: 基于Monte Carlo模拟的极值风速预测[C]//中国土木工程学会教育工作委员会. 第六届全国土木工程研究生学术论坛论文集. 北京: 中国土木工程学会教育工作委员会, 2008: 1.
[4] 李春祥, 迟恩楠, 李正农. 基于极限学习机的脉动风速快速预测方法[J]. 上海交通大学学报, 2016, 50(11): 1719- 1723.
[5] 余敖, 陈亮, 彭敬涛. 基于迟滞ELM模型的短期风速预测[J]. 计算机技术与发展, 2017(5): 1-7.
[6] 叶一枝. 基于BP-GA综合算法的风速预测[J]. 能源与节能, 2016(12): 83-85.
[7] 朱霄珣, 徐搏超, 焦宏超, 韩中合. 遗传算法对SVR风速预测模型的多参数优化[J]. 电机与控制学报, 2017, 21(2): 70-75.
[8] 迟恩楠, 李春祥. 基于优化组合核和Morlet小波核的LSSVM脉动风速预测方法[J]. 振动与冲击, 2016, 35(18): 52-57.
[9] Yang, X.S. (2008) Nature-Inspired Metaheuristic Algorithms. Lunvier Press, Bristol.
[10] 张明, 张树群, 雷兆宜. 改进的萤火虫算法在神经网络中的应用[J]. 计算机工程与应用, 2017, 53(5): 159-163.
[11] 刘畅, 刘利强, 张丽娜, Yang, X.S. 改进萤火虫算法及其在全局优化问题中的应用[J]. 哈尔滨工程大学学报, 2017, 38(4): 1-8.
[12] 刘丹, 张腾飞. 基于改进萤火虫算法的小波神经网络短期负荷预测方法[J]. 微型机与应用, 2016, 35(23): 56-58.
[13] 潘晓英, 陈雪静, 李昂儒, 赵普. 基于自适应步长的萤火虫划分聚类算法[J]. 计算机应用研究, 2017(12): 1-7.
[14] 陈海东, 庄平, 夏建矿, 代文章, 逯洋, 高奇, 陈涛. 基于改进萤火虫算法的分布式电源优化配置[J]. 电力系统保护与控制, 2016, 44(1): 149-154.
[15] 白永珍. 基于参数方差调节萤火虫算法的三维路径规划[J]. 计算机系统应用, 2015, 24(5): 92-99.
[16] 方必武, 刘涤尘, 王波, 闫秉科, 汪勋婷. 基于小波变换和改进萤火虫算法优化LSSVM的短期风速预测[J]. 电力系统保护与控制, 2016, 44(8): 37-43.