查看“WikiEdge:ArXiv-2408.17185v1/methods”的源代码

<!-- 不要移除下面第一行，如果有编辑错误，请直接修改第二行以后的内容 -->
<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17185v1/methods|action=edit}} 编辑]</div>
== 工作方法 ==
这篇论文的主要工作方法是开发了一个混合机器学习模型，用于短期风速预测，以实现智能电网中风力发电的集成。该模型首先使用连续变分模态分解（Successive Variational Mode Decomposition, SVMD）将风速数据分解为不同的模态分量。然后，利用量子行为粒子群优化（Quantum-behaved Particle Swarm Optimization, QPSO）的改进变体——精英育种QPSO（Elitist Breeding QPSO, EBQPSO）来优化最小二乘支持向量机（Least Squares Support Vector Machines, LSSVM）的超参数。接着，使用长短期记忆网络（Long Short-Term Memory, LSTM）对原始风速序列与SVMD模态分量聚合之间的差异进行建模。最后，通过聚合LSSVM和LSTM模型的预测值来计算最终的预测风速。