交通部运输研究所

篇名	结合离散小波转换与深度学习技术预测短期风速研究
作者	江文山、赖志峰、黄国展、蔡宜秦、卫纪淮
摘要	交通部运输研究所港研中心将蒐集的风力资料经品管分析后，针对强风特性进行研究，并结合离散小波转换与深度学习技术，以探讨定点风力预报之基础模型。本文借由对风速资料的特性分析与掌握，进而尝试建立风速短期预报的技术，并以台中港测站 6 的过去资料为预测因子，进行台中港测站 6 的短期风速预测。       经由离散小波转换所得到之各模态实测风速与所建构模型训练得到之风速比较，经过训练后的模型可以合理的反应实测风速的变动，越低频率的模态，训练的结果越好，根据不同月份的预测分析结果，显示预测模型具有稳定特性。       就预测未来某一个时间的风速而言，以高频率取样的资料所建置的模型，相较于以低频率取样，需要预测更多的步阶，且结果未必更准确。然而高频率取样建置的模型，优点是可以预测时间领域更细致的资料细节。
页数
出版年份	110
出版月份	11
档案下载	结合离散小波转换与深度学习技术预测短期风速研究.pdf
Hashtags