TY -的A2 -陈,羌族非盟——姚明,方非盟-刘魏盟——赵Xingyong盟歌,李PY - 2020 DA - 2020/09/16 TI -集成机器学习和增强统计的方法在澳大利亚塔斯马尼亚岛风电场风能预测SP - 9250937六世- 2020 AB -本文发展一个集成的机器学习和增强统计方法对风力发电区间预测。风力发电时间序列预测模型是制定我们的方法的理论基础。该模型考虑风速的两个重要特征:非线性和图示分布。基于该模型,6个机器学习回归算法是用来预测风力发电输出的预测区间。六个方法使用真实的风速测试数据收集在一个风站在澳大利亚。对于风速预测,长期短期记忆(LSTM)网络算法优于其他五个算法。的预测区间,五个非线性算法表现出优越的性能。案例研究表明,结合机器学习适当的非线性回归算法,提出的方法是有效的风能区间预测。SN - 1076 - 2787你——https://doi.org/10.1155/2020/9250937——10.1155 / 2020/9250937 JF - PB - Hindawi KW - ER -复杂性