|
输入:风速时间序列数据 |
|
输出:预测性能指标 |
| (1) |
测量风速时间序列数据每5分钟,平均两次30分钟、1小时,分别。 |
| (2) |
风数据集分为训练、验证和测试集。 |
| (3) |
启动multi-lags-one-step(枣疯病)数组训练,验证集和测试集。 |
| (4) |
枣疯病范围定义为{1:10}优化需要滞后的数量。 |
| (5) |
循环1: |
|
把第一套基于枣疯病的范围 |
|
启动和提取与CNN层设置功能 |
|
通过定义的输出到LSTM层 |
|
选择第一个隐藏神经元的数量范围 |
|
生成预测结果的性能指标 |
|
计算执行时间和产生预测的结果 |
|
保存并比较结果与之前的 |
|
循环2: |
|
选择next枣疯病范围 |
|
如果枣疯病范围=最大射程,然后转到循环3和初始化枣疯病范围 |
|
goto循环1 |
|
循环3: |
|
选择新号码隐藏的神经元 |
|
如果隐藏的神经元数量范围=最大射程,然后转到循环4和初始化隐藏神经元的数量范围 |
|
goto循环1 |
| (6) |
循环4: |
|
选择新的数据集的集{5分钟、30分钟、1小时} |
|
goto循环1 |
|
如果设置范围=最大射程,那么: |
|
生成所有测试集的性能指标。 |
|
选择最好的结果指标 |
|
