文档介绍：分类号： 密级：
研 究 生 学 位 论 文
论文题目（中文） 风速预测中人工智能方法的应用研究
Application of Artificial Intelligence Method
论文题目（外文）
in Wind Speed Prediction
研究生姓名 张珂铨
学科、专业 大气科学·气象学
研 究 方 向 现代天气预报方法与技术
学 位 级 别 硕 士
导师姓名、职称 田文寿 教授
论 文 工 作
起 止 年 月 2016 年 9 月至 2018 年 4 月
论文提交日期 2018 年 5 月
论文答辩日期 2018 年 6 月
学位授予日期
校址：甘肃省兰州市
兰州大学硕士研究生学位论文 风速预测中人工智能方法的应用研究
风速预测中人工智能方法的应用研究
中文摘要
风作为大气环境中的基本元素，其研究对于天气气候、环境科学、清洁能源、
气象灾害等方法都具有重要的意义。但由于受温度、气压、海拔、地形、纬度等
诸多因素影响，风具有随机性、间歇性、波动性等特点，使得风成为最难预测的
气象预报要素之一。因此，风速预测方法的研究，对于天气预报的提高、环境污
染的研究、风资源的开发以及大风灾害的防治都起着十分关键的作用。
风速数据波动性、随机性较大，直接使用单一预测模型进行预测通常会造成
较大误差，同时未经参数优化的单一模型在预测时还存在模型参数不稳定、训练
过程可靠性不高等问题，成为了风速预测研究中的热点。论文研究首先针对鱼群
和蚁群算法在优化后期收敛速度变慢的问题，提出了一种新的改进群体智能算法
（AFSA-ACO），通过多种测试函数对其优化性能进行了验证，对群体智能算法
的改进进行了初步探讨；针对风速的高噪声和非线性特征，在集合经验模态分解
法（EEMD）、 小波神经网络（WNN）与布谷鸟算法（CSO）等方法的基础上，
按照混合的思想，提出了一种新的混合预测模型（EEMD-CSO-WNN）；针对风
速的线性和非线性特征，在数据预处理、多种线性与非线性预测方法及改进的群
体智能算法的基础上，按照组合的思想，提出了一种新的基于奇异值分解和改进
的群体智能方法（AFSA-ACO）的组合预测模型。采用山东地区风场观测数据，
对提出的混合和组合预测模型的预测能力和预测精度进行了系统的评估分析研
究。主要研究结论如下：
（1）对改进的群体智能方法（AFSA-ACO）的优化效果进行了评估，对于
Sphere 函数，改进的 AFSA-ACO 算法与传统 ACO 的优化迭代次数的平均值分
别为 和 154，提高了 %；对于 Rastrigin 函数，改进的 AFSA-ACO 算法
与传统 ACO 的优化迭代次数的平均值分别为 148 和 351，提高了 %。因此
改进的AFSA-ACO 算法相比于传统 ACO 方法具有