共享权重长短期记忆网络结合高斯过程回归的概率预报方法 （SWLSTM-GPR）

        风能是一种清洁、经济的可再生能源。风速是风力发电最具影响力的因素。高精度并且可靠的风速预测在风电的规划、调度运行和决策管理等各个方面发挥重要作用，对风能资源的合理利用具有重大意义。本研究提出一种基于共享权重长短期记忆网络（SWLSTM）和高斯过程回归(GPR) 的概率预报方法用于预测风速和量化预报不确定性。

       SWLSTM-GPR主要有以下两大改进：

（1）通过共享LSTM三个门的权重来减少优化变量数量和缩短训练时间，同时SWLSTM保证门的功能不丢失，因此不会显著降低预报精度；

（2）结合GPR使得预报方法具备量化预报不确定性的能力；

本研究原文链接：https://doi.org/10.1016/j.apenergy.2019.04.047

本研究代码：https://github.com/zzdzzdzzdzzd/SWLSTM_GPR

如果您觉得本研究的方法、论文或者代码能帮助到您，请在使用时引用它们。

[1] Z. Zhang, L. Ye, H. Qin, Y. Liu, C. Wang, X. Yu, X. Yin, J. Li. Wind speed prediction method using Shared Weight Long Short-Term Memory Network and Gaussian Process Regression. Applied Energy, 2019, 247: 270-284. DOI: 10.1016/j.apenergy.2019.04.047