摘要
本发明公开了一种多源预测数据时空融合与修正方法,涉及数据融合与预测技术领域,包括以下步骤:S1:获取需要预测区域的多源数据和对应时间节点的风电实际功率数据;S2:对样本数据集执行Bootstrap抽样,获取训练子集Zi;S3:根据得到的训练子集Zi,分别训练融合预测模型;S4:将待预测的多源数据同时输入到所有训练好的M个融合预测模型中,得到M组预测结果;S5:将M组融合模型的预测结果输入到集成函数中,对所有结果进行整合输出集成预测结果;S6:将得到的集成预测结果输入到全局误差修正函数中,对预测结果进行修正,输出修正后的预测结果。本发明提高了预测结果的准确性、增强模型鲁棒性和对于时间和空间变化的适应性。
技术关键词
修正方法
池化方法
实测气象数据
样本
卷积神经网络模型
人工智能模型
风电
误差
卷积特征
表达式
功率
数学
节点
鲁棒性
矩阵
非线性
序列
阶段