机译:具有深度特征选择的数据驱动的多模型方法,用于短期风能预报
Univ Texas Dallas, Dept Mech Engn, Richardson, TX 75080 USA;
Univ Texas Dallas, Dept Mech Engn, Richardson, TX 75080 USA;
Natl Renewable Energy Lab, Golden, CO 80401 USA;
Univ Texas Dallas, Dept Mech Engn, Richardson, TX 75080 USA;
Wind forecasting; Machine learning; Multi-model; Data-driven; Ensemble forecasting; Feature selection;
机译:短期数据驱动的建筑能耗预测模型开发的系统特征选择程序
机译:使用深度特征提取和LSTM进行数据驱动的风速预测
机译:基于综合特征选择的风速预测复合框架,卷积到卷积成简化的长短短期记忆网络和残留误差校正
机译:功能选择,可准确预测本地风速
机译:基于BP和Adaboost_BP的风速和风能的短期预测。
机译:深度特征聚类的情感识别特征选择的创新多模型神经网络方法
机译:基于随机林特征选择和混合神经网络的多模型融合短期负荷预测