基于QMD-LDBO-BiGRU的风速预测模型

摘要

针对风速的随机性和波动性，为了进一步提高预测精度，本文提出一种融合二次模态分解、改进的蜣螂优化算法以及双向门控循环单元的组合预测模型。首先，针对蜣螂优化算法（DBO）中存在的容易陷入局部最优、全局搜索能力差等问题，引入拉丁超立方抽样、切线飞行等策略对DBO进行改进，并将改进算法（LDBO）用于BiGRU的参数寻优；其次，利用二次模态分解降低原始数据的复杂度，为后续建模提供稳定的序列数据；然后，使用BiGRU分别对二次模态分解后所得到的各模态分量分别进行预测，叠加各模态分量的预测结果作为最终预测结果；最后，将所提出的QMD-LDBO-BiGRU预测模型与其他4种主流预测模型（CNN-LSTM、TCN-RVM、ELM-Adaboost、BiTCN-SVM）进行对比实验，结果表明QMD-LDBO-BiGRU模型的评价指标R²达到98.086%,与对比模型相比分别提高21.396、19.525、11.474、5.457个百分点，验证了所提模型的有效性及适用性，为进一步提高风速预测的准确性提供一定参考。

关键词

风速预测 / 二次模态分解 / CEEMDAN / VMD / 蜣螂优化算法 / 双向门控循环单元