摘要
本发明公开了一种风速多尺度级联增强端到端预测方法,包括以下步骤:S1.获取风速数据;S2.对步骤S1得到的风速数据进行预处理,得到风速数据集;S3.基于多尺度预测策略,构建初始风速预测模型;S4.使用步骤S2得到的风速数据集,对步骤S3得到的初始风速预测模型进行训练,得到风速预测模型;S5.使用步骤S4得到的风速预测模型,进行实际的风速预测。本发明方法采用了基于深度学习的卷积神经网络结构设计,实现了多尺度风速的精准预测,准确率高,误检率低,检测速度快,实时性好,有效提高了预测效率,具有广阔的应用前景。
技术关键词
风速预测模型
分支
非线性特征提取
多尺度
数据
特征提取模块
编码模块
级联
卷积神经网络结构设计
模块结构
傅里叶变换技术
解码结构
参数
采样模块
特征提取能力
系统为您推荐了相关专利信息
医学检验数据
分析子系统
诊断支持系统
DBSCAN算法
可视化子系统
瓶颈
虚拟电厂模型
权重模型
有向图模型
监测模块
订单
自主移动机器人
分区
邻域搜索算法
拣货系统
同化估产方法
作物生长模型
协方差矩阵
极化分解特征
叶面积指数
铣削机器人
模态固有频率
冗余度
阻尼系统
铣削主轴