10、Short-Term Prediction of Wind Power Based on Deep Long Short-Term Memory

就是PCA+LSTM,我尼玛竟然读了一小时

基于的风电短期预报深度长短期记忆

主成分分析（PEA）用于选择输入样本并减少输入的维数、

BP神经网络与支持向量机的比较

反映信息的有效信息风电场的特征提取采用主成分分析法。这个选择主成分作为LSTM的输入。

PCA的主要原理：

是找到合适的线性。变换将相互关联的变量转换为相互独立的新变量。每个新变量有其独特的含义，其中，
方差较大的变量可以反映主要信息。包含在原始多变量中。

NWP数据包括空气密度、压力、温度、风速和风向100m（用Y 1表示Y 5）

表II示出了特征值的特征向量。协方差矩阵。第一主成分z 1主要是与风速（Y 4）和第二主方向有关
分量Z 2主要与风向（Y 5）有关。

归一化平均绝对误差和归一化均方根误差

隐层数为三，神经元数目为三层为300500200层，迭代次数为100次。