BriefGPT - AI 论文速递
·
利用 SCADA 数据和连续学习进行风力发电预测的偏差校正
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
通过改变CNN-LSTM和自回归模型的输入数据形状，提出了一种新的特征工程方法，以提高对噪声的处理能力。结果显示，该方法能够以83％的准确率预测长达24个时间步的未见数据，并在短期、中期和长期预测方面表现出较高的准确性。
🎯
关键要点
- 通过改变CNN-LSTM和自回归模型的输入数据形状，提出了一种新的特征工程方法。
- 该方法提高了对噪声的处理能力。
- 研究结果显示，该方法能够以83%的准确率预测长达24个时间步的未见数据。
- 在短期、中期和长期预测方面，该方法表现出较高的准确性。
- 该方法优于单个模型的性能，为进一步研究形状导向的特征工程在不同预测时间范围内的噪声降低策略铺平了道路。
➡️
