魔塔游戏设计-数控滚圆机滚弧机张家港电动倒角机液压钢管倒角机滚圆机两层预测模型流程图图1中的2个模型可以是各种机器学习模型。本文构建了4个两层预测模型，分别是RVR－RVR、RVR－SVR、SVR－RVR和SVR－SVR，并针对不同模型的性能给出了研究对照。2实验2．1数据本文研究使用从美国国家数据浮标中心［13］检索到的风速数据，这些监测站点都位于美国。实验中使用了2个数据集，属于不同的位置。一个是在夏威夷北部的51000站，另一个是位于普利茅斯岛西南部的42060站，这2个监测站都在海洋里。数据集中的物理量包括WDIR、WSPD、GDR和GST。WDIR是每10min的平均风向，使用从正北开始的顺时针角度度量;WSPD是每10min的平均风速，单位是m/s。GDR和GST数据值多为99或999，这意味着数据丢失了，所以可利用的数据只有风向和风速。如果考虑风速，这是风速矢量预测的问题。但是，这里首先不考虑风速，而只研究标量风速预测的问题，因此，待研究的数据是风速序列。过程中，对每个位置选择5段数据进行实验。每段数据被划分成2部分:90%用于训练，10%用于测试。在训练集中有5400个样本本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name，在测试集中有600个样本。预测下一时刻的风速，即10min后的风速。2．2实验结果在训练RVR和SVR时，使用网格搜索法提高泛化能力和避免过度拟合。在测试时，使用均方根误差(RMSE)度量模型性能。这些模型在2个位置的预测误差分别可见表1和表2。为了使分析简单，进一步计算每个模型在所有组实验中的平均相对误差，可见表3魔塔游戏设计-数控滚圆机滚弧机张家港电动倒角机液压钢管倒角机滚圆机随着化石能源的枯竭,近年来风力发电等可再生能源正在蓬勃发展。由于风速的间歇性和不稳定性,风力发电也有间歇性和不稳定性,在将风电并入电网时会对电力系统造成危害。准确的短期风速预测可以对风电场管理提供依据。使用相关向量机来预测风速,产生残差序列,如果残差序列不是白噪声,就可以从中提取信息,以改善风速预测性能,这产生了一个两层的模型。实验结果表明,该两层模型比单层的机器学习方法,如支持向量机或相关向量机性能更好。 本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name