Short-term wind speed forecasting model based on an attention-gated recurrent neural network and error correction strategy

We introduce a model combining GRUs and an attention module for wind speed forecasting.

전체 flow:

1. Data Processing

SSA(특이 스펙트럼 분석)를 사용해서 시계열 데이터를 성분분해하고 노이즈 제거
여기서 핵심 역학 부분만 추출해서 입력으로 사용

2. Phase Space Reconstruction

노이즈가 제거된 데이터로 시스템의 동적 움직임을 더 정확하게 모델링 할 수 있도록 한다.
최적의 임베딩 차원과 delay time을 결정하는 과정

3. Preliminary Forecasting

At-GRU (attention gated recurrent unit)을 사용해서 초기 예측 수행

4. Error Forecasting

초기 예측이랑 실제값이랑 일정한 오차가 발생한다.
이 오차를 분석하기 위해서 VMD 기법을 사용하는데
여기서 오차 데이터를 여러개의 내재 모드 함수(IMF)로 분리하고 이 과정을 통해 복잡한 오차 신호를 이해할 수 잇다.
분리된 IMF는 개별적으로 GRU모델에 입력으로 사용되고 그 특성에 맞게 오차를 예측한다.

5. Final Forecasting

여기서 오차 정보는 초기 예측 정보에 추가된다. 이는 초기 예측에서 놓친 세부 정보를 보완할 수 있음.
단순히 값을 더함.
그럼 초기 예측에서 발생한 오차를 실제 오차 패턴에 기반해 수정할 수 있음.

이분 신호 공부를 열심히 하셧군