這篇論文提出了一種基於混合機器學習模型的短期風速預測方法，用於智能電網中的電力整合。主要內容包括：
- 引言：介紹了可再生能源特別是風能的重要性，以及準確預測風速對於成功整合風能至電網系統的必要性。文中討論了風速預測的挑戰，以及現有方法的局限性。
- 文獻綜述：回顧了風速預測領域的研究進展，包括物理方法、統計方法、基於人工智慧的方法以及混合方法，並指出了現有方法的不足。
- 方法論：
- 數據預處理：使用SVMD分解風速數據，提取模態分量。
- LSSVM模型：對每個子信號使用LSSVM進行擬合，並通過EBQPSO算法優化其超參數。
- LSTM模型：利用LSTM對原始風速序列與SVMD模式聚合之間的殘差進行建模。
- 模型集成：通過聚合LSSVM和LSTM模型的預測值來計算最終預測結果。
- 實驗結果：使用兩個數據集對所提出的模型進行了測試，並通過與現有基準模型的比較，展示了所提方法在降低均方根誤差（RMSE）和平均絕對誤差（MAE）方面的性能提升。
- 結論與未來研究方向：總結了本文的主要貢獻，並提出了未來研究的方向，包括使用更大數據集和更強計算能力來測試和驗證所提出的方法。