基于深度学习的海上短时风速预测:Transformer与LSTM的比较研究OA
基于渤海某海域漂浮式激光雷达2023年实测数据,构建并对比了长短期记忆网络(LSTM)与Transformer两类深度学习模型,开展100 m、120 m、150 m高度的1~3 h短时风速预测研究。结果表明:Transformer模型在各时长与高度层上的预测效果显著优于LSTM,在2 h预测中误差明显降低,误差分布更集中,预测稳定性更强。通过引入独立测风塔数据进行验证,进一步证明了Transformer模型的泛化能力。
柯科腾;余文博;郑潇伟;马沛嘉
上海勘测设计研究院有限公司,上海200335上海勘测设计研究院有限公司,上海200335青岛镭测创芯科技有限公司,山东青岛266101青岛镭测创芯科技有限公司,山东青岛266101
海洋科学
漂浮式测风激光雷达风速预测TransformerLSTM海上风电
《海洋预报》 2026 (2)
P.81-93,13
上海勘测设计研究院有限公司科研项目(2022FD(83)-001)。
评论