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

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17185v1/summary|action=edit}} 编辑]</div>
这篇论文提出了一种基于[[混合机器学习模型]]的短期[[风速预测]]方法，用于[[智能电网]]中的电力整合。主要内容包括：
# '''引言'''：介绍了[[可再生能源]]特别是[[风能]]的重要性，以及准确预测风速对于成功整合风能至电网系统的必要性。文中讨论了风速预测的挑战，以及现有方法的局限性。
# '''文献综述'''：回顾了风速预测领域的研究进展，包括[[物理方法]]、[[统计方法]]、基于[[人工智能]]的方法以及混合方法，并指出了现有方法的不足。
# '''方法论'''：
#* '''数据预处理'''：使用[[SVMD]]分解风速数据，提取模态分量。
#* '''LSSVM模型'''：对每个子信号使用[[LSSVM]]进行拟合，并通过[[EBQPSO算法]]优化其超参数。
#* '''LSTM模型'''：利用[[LSTM]]对原始风速序列与SVMD模式聚合之间的残差进行建模。
#* '''模型集成'''：通过聚合LSSVM和LSTM模型的预测值来计算最终预测结果。
# '''实验结果'''：使用两个数据集对所提出的模型进行了测试，并通过与现有基准模型的比较，展示了所提方法在降低[[均方根误差]]（[[RMSE]]）和[[平均绝对误差]]（[[MAE]]）方面的性能提升。
# '''结论与未来研究方向'''：总结了本文的主要贡献，并提出了未来研究的方向，包括使用更大数据集和更强计算能力来测试和验证所提出的方法。