WikiEdge:ArXiv-2408.17185v1/terms

編輯

這篇文章的術語表如下：

• 風速預測（Wind Speed Forecasting）：風速預測是利用歷史數據和算法模型來預測未來一段時間內風速的變化，對於風能資源的有效利用和電網的穩定運行至關重要。
• 最小二乘支持向量機（Least Squares Support Vector Machines, LSSVM）：LSSVM是一種基於統計學習理論的機器學習方法，通過最小化一個二次規劃問題來解決回歸和分類問題，具有較好的泛化能力。
• 量子行為粒子群優化（Quantum-behaved Particle Swarm Optimization, QPSO）：QPSO是一種模擬量子力學原理的群體智能優化算法，通過模擬粒子的量子行為來搜索最優解，用於優化問題中的參數選擇。
• 長短期記憶網絡（Long Short-Term Memory, LSTM）：LSTM是一種時間遞歸神經網絡，能夠學習長期依賴信息，適用於序列數據的預測問題，如時間序列分析和自然語言處理。
• 經驗模態分解（Empirical Mode Decomposition, EMD）：EMD是一種自適應的信號處理方法，用於將一個複雜的數據集分解成一系列本徵模態函數，這些函數反映了數據的局部特性和多尺度特徵。
• 變分模態分解（Variational Mode Decomposition, VMD）：VMD是一種信號處理技術，用於將一個信號分解成預先定義數量的帶限子信號，這些子信號具有不同的中心頻率，用於分析非線性和非平穩時間序列。
• 連續小波變換（Continuous Wavelet Transform, CWT）：CWT是一種用於時間序列分析的數學變換，通過比較數據與不同尺度和位置的連續小波函數的相似性來提取信號的特徵。
• 均方根誤差（Root Mean Square Error, RMSE）：RMSE是衡量預測模型預測精度的一種指標，通過計算預測值與實際值之差的平方和的平均值的平方根來評估模型的性能。
• 平均絕對誤差（Mean Absolute Error, MAE）：MAE是另一種衡量預測誤差的指標，通過計算預測值與實際值之差的絕對值的平均值來評估預測的準確性。