基于TVFEMD分解、样本熵SE信号重构、CNN特征提取、改进的鲸鱼优化算法优化BiLSTM的时间序列预测,另外含有6个对比算法
-
选择美国国家海洋局一年的风速数据,选择一个月数据集作为测试;
-
利用TVFEMD分解对原始风速数据进行处理,得到多个imf分量;
-
根据样本熵计算熵值,然后对这些分量进行聚合;
-
利用CNN提取数据特征后,得到一个多维矩阵,将矩阵输入到MWOA-BiLSTM模型中进行预测;
-
改进的鲸鱼优化算法MWOA,改进策略首先利用Circle混沌序列取代原始算法中随机产生的初始种群,提高初始个体的多样性;其次,提出一种逐维小孔成像
反向学习策略,增加寻优位置的多样性,提高算法摆脱局部最优的能力;最后,提出融合贝塔分布和逆不完全Γ 函数的自适应权重,在保留鲸鱼优化算法优点的前提下,
协调算法的搜索能力;
-
每个预测结果累加起来即为最终预测结果。
-
对比算法:LSTM、BiLSTM、MWOA-BiLSTM、CNN-MWOA-BiLSTM、TVFEMD-CNN-MWOA-BiLSTM、TVFEMD-SE-CNN-MWOA-BiLSTM。