开放存取
问题 |
E3S网页汇编
卷积3872023
可再生能源技术智能工程国际会议 |
|
---|---|---|
文章号 | 01007 | |
页数 | 6 | |
段内 | 电子电气工程 | |
多尔市 | https://doi.org/10.1051/e3sconf/202338701007 | |
在线发布 | 2023年5月15日 |
必威主页
38701072023
利用机器学习技巧预测风能生成
一号新太子Shri Bhavani工程技术学院,获ACTE批准,附属印度Anna大学
2Mohan Babu大学计算学院副教授
3Mohan Babu大学计算学院助理教授K.开奈Vasudevan工程技术学院-127
4钦奈Shri VenkateshraPadmathy工程学院助理教授-127
*Correspondingauthor:sivakumar.c@vidyanikethan.edu
风能是可再生能源的重要来源,近些年来日益受欢迎精确预测风能生产对高效能源管理分配至关重要。论文建议机器学习方法使用支持向量回归和随机森林回归预测风能生成拟方法涉及数据收集、预处理、特征选择、模型培训、优化和评价模型性能使用平均平方误差(MSE)、root平均平方误差(RMSE)和判定系数(RS-qred)度量法评估结果表明,SVR-RFR模型优于单个模型,在预测风能生成方面实现更高精度
关键字 :风能生成/机器学习/支持向量回归/随机森林回归/预测
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间