|
关注：1
2013-05-23 12:21
求翻译：Models for the wind power forecasting are broadly classified into physical and statistical ones [3]. Physical models are appropriate for the long-term wind power forecasting. On the other hand, some statistical models are widely adopted in the short-term forecasting. One of the most famous techniques to deal with such 是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Models for the wind power forecasting are broadly classified into physical and statistical ones [3]. Physical models are appropriate for the long-term wind power forecasting. On the other hand, some statistical models are widely adopted in the short-term forecasting. One of the most famous techniques to deal with such
问题补充： |
|
2013-05-23 12:21:38
正在翻译，请等待...
|
|
2013-05-23 12:23:18
正在翻译，请等待...
|
|
2013-05-23 12:24:58
模型为风力预测宽广地被分类入物理和统计那些 (3)。 物理模型为长期风力预测是适当的。 另一方面，一些统计模型广泛是被采取的短期展望。 应付的其中一个最著名的技术这样时间数列数据是 (Box和Jemkins提议的) ARIMA自回归联合移动平均数 (4)。 例如， ARIMA方法合并以小波分解提议 (5)。 AI最近 (人工智能) 技术包括模糊逻辑、神经网络、支持传染媒介机器和一些杂种方法被使用了的风力展望的 (1， 2， 6-8)。 它显示一些AI技术胜过统计方法根据预言的准确性。 本文应付SVR (支持传染媒介退化) 为风力forecasting.SVR是对样式分类问题的注意由于它的概念化
|
|
2013-05-23 12:26:38
风功率预测模型大致可分为物理和统计的 [3]。物理模型是适当的长期风功率预测。另一方面，一些统计模型是广泛采用的短期预测。其中一个最著名的技术来处理这种时间序列数据是华宇 （自回归集成移动平均） 框和 Jemkins [4] 提出的。例如，注册成立的小波分解 ARIMA 方法提议 [5]。最近 AI （人工智能） 技术，包括模糊逻辑、 神经网络、 支持向量机和方法已聘请一些混合风功率预测 [1，2，6-8]。它显示了一些 AI 技术优于论预测准确性的统计方法。本文件涉及 SVR (支持向量回归) 风功率预测。SVR 一直因为其泛化能力模式分类问题非常重视。它注意到，然而，有三个超参数要优化 S
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
