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

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17185v1/methods|action=edit}} 编辑]</div>
这篇研究论文的工作部分详细介绍了如何开发和评估提出的混合[[机器学习]]模型，用于[[智能电网]]中[[风力发电]]的短期[[风速预测]]。以下是这部分的主要内容：
# '''数据预处理'''：
#* 首先，从[[风电场]]收集的风速数据被分解成模态分量，使用连续变分模态分解（[[Successive Variational Mode Decomposition]], SVMD）技术。
# '''模型训练与优化'''：
#* 接着，每个子信号被拟合到[[最小二乘支持向量机]]（[[Least Squares Support Vector Machines]], LSSVM）模型中，其超参数通过一种新型的[[量子行为粒子群优化]]（[[Quantum-behaved Particle Swarm Optimization]], QPSO）算法——精英育种QPSO（[[Elitist Breeding QPSO]], EBQPSO）进行优化。
#* 然后，使用[[长短期记忆网络]]（[[Long Short-Term Memory]], LSTM）对原始风速序列与SVMD模式聚合之间的差异进行建模。
# '''预测结果计算'''：
#* 最终预测值通过聚合LSSVM和LSTM模型的预测值来计算。
# '''性能评估'''：
#* 通过与现有的风速预测基准模型进行比较，评估所提出模型的性能。
# '''实验结果'''：
#* 实证结果显示，所提出的方法在[[均方根误差]]（[[Root Mean Square Error]], RMSE）和[[平均绝对误差]]（[[Mean Absolute Error]], MAE）方面相较于基准方法有显著改进。
# '''代码实现'''：
#* 研究中所有的代码实现都在[[GitHub]]上公开可用。