From Table17, the average wind spee

From Table17, the average wind speed for the observed and Mycielski-3 algorithm matched perfectly. However, the line graph shown in Fig. 9 indicates that the Mycielski-3 prediction over predicted the wind speed in June and October. The larger gap in the prediction of the Mycielski-3 of these 2 months compensated for the under-predicted wind speed in January. Meanwhile, K-means clustering does not consist of anyover-predictions that could compensate for the error in the first month. Although K-means clustering does not match the average wind speed, the RMSE value is significantly smaller than the Mycielski-3predic- tion. Hence, K-means clustering prediction is preferable for this research as the RMSE of the method is the smallest. Additionally, the wind profile of K-means clustering is more similar to the observed wind speed when compared with the Mycielski-3 algorithm.

ผลลัพธ์ (ไทย) 1:

จาก Table17 ความเร็วลมเฉลี่ยสำหรับอัลกอริทึมสังเกต และ Mycielski-3 จับคู่อย่างสมบูรณ์แบบ อย่างไรก็ตาม กราฟเส้นที่แสดงในรูปที่ 9 แสดงว่า ทำนาย Mycielski-3 มากกว่าคาดการณ์ว่า ความเร็วลมในเดือนมิถุนายนและตุลาคม ช่องว่างขนาดใหญ่ในการคาดการณ์ของ Mycielski-3 เหล่านี้ 2 เดือนชดเชยความเร็วลมภายใต้การคาดการณ์ในเดือนมกราคม ในขณะเดียวกัน ถึง clustering ไม่ประกอบด้วยคาดคะเน anyover ที่สามารถชดเชยข้อผิดพลาดในเดือนแรก นี้ แม้ว่าคลัสเตอร์ถึงไม่ตรงกับความเร็วลมเฉลี่ย ค่า RMSE คือขนาดเล็กกว่า Mycielski-3predic-ทางการค้า ด้วยเหตุนี้ การคาดเดาถึงระบบคลัสเตอร์เป็นนิยมสำหรับงานวิจัยนี้เป็น RMSE ของวิธีเล็กที่สุด นอกจากนี้ โพรไฟล์ลมของคลัสเตอร์ถึงจะคล้ายกันมากกับความเร็วลมสังเกตเมื่อเทียบกับอัลกอริทึม Mycielski-3

ผลลัพธ์ (ไทย) 2:

จาก Table17 ความเร็วลมเฉลี่ยสำหรับข้อสังเกตและ Mycielski-3 ขั้นตอนวิธีการจับคู่อย่างสมบูรณ์ แต่กราฟเส้นที่แสดงในรูป 9 แสดงให้เห็นว่าการคาดการณ์ Mycielski-3 มากกว่าที่คาดการณ์ความเร็วลมในเดือนมิถุนายนและตุลาคม ช่องว่างขนาดใหญ่ในการทำนายของ Mycielski-3 ของทั้ง 2 เดือนชดเชยสำหรับความเร็วลมต่ำกว่าที่คาดการณ์ไว้ในเดือนมกราคม ในขณะเดียวกัน K-วิธีการจัดกลุ่มไม่ประกอบด้วย anyover-การคาดการณ์ที่สามารถชดเชยข้อผิดพลาดในเดือนแรก แม้ว่า K-วิธีการจัดกลุ่มไม่ตรงกับความเร็วลมเฉลี่ยค่า RMSE อย่างมีนัยสำคัญมีขนาดเล็กกว่าการ Mycielski-3predic- ดังนั้น K-หมายถึงการคาดการณ์การจัดกลุ่มเป็นที่นิยมสำหรับการวิจัยนี้เป็น RMSE ของวิธีการที่เป็นที่เล็กที่สุด นอกจากนี้รายละเอียดลม K-วิธีการจัดกลุ่มมากขึ้นคล้ายกับความเร็วลมสังเกตเมื่อเทียบกับอัลกอริทึม Mycielski-3

ผลลัพธ์ (ไทย) 3:

จาก table17 ความเร็วลมเฉลี่ยจาก mycielski-3 ขั้นตอนวิธีและเข้ากันได้ดี อย่างไรก็ตาม เส้นกราฟที่แสดงในรูปที่ 9 พบว่า mycielski-3 พยากรณ์ความเร็วลมกว่าที่คาดการณ์ในเดือนมิถุนายน และตุลาคม มีช่องว่างขนาดใหญ่ในคำทำนายของ mycielski-3 เหล่านี้ 2 เดือนค่าความเร็วลมภายใต้คาดการณ์ไว้ในเดือนมกราคม ขณะเดียวกัน k-means การจัดกลุ่มไม่ได้ประกอบด้วยคาดคะเน anyover ที่สามารถชดเชยความผิดพลาด ในเดือนแรก แม้ว่า k-means clustering ไม่ตรงกับความเร็วลมเฉลี่ยค่า RMSE อย่างมีนัยสำคัญมีขนาดเล็กกว่า mycielski-3predic - tion . ดังนั้น k-means การจัดกลุ่มการคาดการณ์เป็นที่นิยมสำหรับการวิจัยเป็นวิธีการวิธีการที่เล็กที่สุด นอกจากนี้ ลมโปรไฟล์ของ k-means การจัดกลุ่มมีมากขึ้นคล้ายกับสังเกตความเร็วลมเมื่อเทียบกับขั้นตอนวิธี mycielski-3 .