In the literature, it is known that

In the literature, it is known that Weibull is the most
widely-used distribution to estimate wind energy potential
because of its flexibility and easy computation [1–13]. However,
it should be noted that the Weibull distribution is unable to model
all the wind structures encountered in nature. For this reason, in
recent years, in order to model wind speed data more smoothly,
the use of a variety of statistical distributions has been proposed
in a large number of studies. For instance, [14] considers
normal-mixture distribution and mixture Weibull distribution versus
the classical Weibull distribution. [15–17,14,18] introduce two
mixture Weibull distribution to model wind speed data. [19–22]
propose the distributions derived from the maximum entropy
principle. Similarly, [23] and [24] respectively introduce distributions
derived from the maximum entropy principle and minimum
cross entropy principle. [25] presents a comparison of log-normal,
gamma, Weibull and Rayleigh models. [26] provides a review and
literature on the usage of various statistical distributions in modeling
wind speed data. As well as the mentioned statistical distributions,
Erlang, inverse normal and gumbel-maximum distributions
are presented as wind speed distributions in [27], while a generalized
extreme value distribution is used in [28]. On the other hand,
[29] firstly introduces mixture Gamma–Weibull and mixture truncated
normal distributions, while [30] proposes certain flexible
families of distributions as an alternative to the Weibull

ผลลัพธ์ (ไทย) 1:

ในวรรณคดี เป็นที่รู้จักกันว่า ฟังก์ชัน weibull จะเป็นมากที่สุดการกระจายที่ใช้กันอย่างแพร่หลายเพื่อประเมินศักยภาพพลังงานลมเนื่องจากความยืดหยุ่นและง่ายต่อการคำนวณ [1-13] อย่างไรก็ตามควรสังเกตว่า การแจกแจงแบบเวย์บูลไม่ได้รุ่นทั้งหมดลมโครงสร้างที่พบในธรรมชาติ ด้วยเหตุนี้ ในปี เพื่อรูปแบบข้อมูลความเร็วลมรื่นได้รับการเสนอการใช้ความหลากหลายของการกระจายทางสถิติในการศึกษาจำนวนมาก สำหรับพิจารณาอินสแตนซ์, [14]ปกติส่วนผสมจำหน่ายและการกระจายฟังก์ชัน weibull จะผสมกับการแจกแจงแบบเวย์บูลคลาสสิค [15-17,14,18] แนะนำสองส่วนผสมของฟังก์ชัน weibull จะกระจายข้อมูลความเร็วลมแบบ [19-22]เสนอการกระจายมาจากเอนโทรปีสูงสุดหลักการนี้ ในทำนองเดียวกัน, [23] [24] แนะนำการกระจายตามลำดับและมาจากหลักการของเอนโทรปีสูงสุดและต่ำสุดข้ามหลักเอนโทรปี [25] แสดงการเปรียบเทียบบันทึกปกติแกมมา รุ่น Weibull และราคาย่อมเยา [26] ให้ทาน และวรรณกรรมเกี่ยวกับการใช้งานการกระจายทางสถิติต่าง ๆ ในการสร้างโมเดลข้อมูลความเร็วลม รวมทั้งการกระจายทางสถิติดังกล่าวErlang ปกติ และสูง สุด gumbel กระจายผกผันแสดงในขณะที่ทั่วไปเป็นการกระจายความเร็วลมใน [27],กระจายมากค่านี้จะใช้ [28] ในทางตรงข้าม[29] แนะนำตอนแรก ผสมแกมมา – Weibull และส่วนผสมที่ถูกตัดทอนการกระจายปกติ ในขณะที่ [30] เสนอบางยืดหยุ่นครอบครัวที่มีการกระจายการแทนแบบเวย์บูล

ผลลัพธ์ (ไทย) 2:

ในวรรณคดีเป็นที่รู้จักกันว่า Weibull เป็นส่วนใหญ่
กระจายอย่างกว้างขวางใช้ในการประเมินศักยภาพพลังงานลม
เพราะความยืดหยุ่นและการคำนวณง่าย [1-13] ของมัน แต่
มันควรจะตั้งข้อสังเกตว่าการกระจาย Weibull ไม่สามารถที่จะจำลอง
ทุกลมโครงสร้างที่พบในธรรมชาติ ด้วยเหตุนี้ใน
ปีที่ผ่านมาเพื่อให้รูปแบบข้อมูลความเร็วลมได้อย่างราบรื่นมากขึ้น
การใช้ความหลากหลายของการกระจายทางสถิติได้รับการเสนอ
ในจำนวนมากของการศึกษา ยกตัวอย่างเช่น [14] พิจารณา
การกระจายปกติผสมส่วนผสมและการกระจาย Weibull เมื่อเทียบกับ
การกระจาย Weibull คลาสสิก [15-17,14,18] แนะนำสอง
ส่วนผสมกระจาย Weibull การจำลองข้อมูลความเร็วลม [19-22]
เสนอกระจายมาจากเอนโทรปีสูงสุด
หลักการ ในทำนองเดียวกัน [23] และ [24] ตามลำดับแนะนำการกระจาย
มาจากหลักการเอนโทรปีสูงสุดและต่ำสุด
หลักการเอนโทรปีข้าม [25] นำเสนอการเปรียบเทียบการเข้าสู่ระบบปกติ
แกมมา Weibull และเรย์ลีรุ่น [26] ให้ทานและ
หนังสือที่เกี่ยวกับการใช้งานของการกระจายสถิติต่างๆในการสร้างแบบจำลอง
ข้อมูลความเร็วลม เช่นเดียวกับที่กล่าวถึงการกระจายสถิติ
Erlang ผกผันแจกแจงปกติและกัมเบลสูงสุด
จะถูกนำเสนอการกระจายความเร็วลมใน [27] ในขณะที่ทั่วไป
การกระจายค่ามากจะใช้ใน [28] บนมืออื่น ๆ
[29] แรกแนะนำส่วนผสม Gamma-Weibull และส่วนผสมตัดทอน
การแจกแจงปกติในขณะที่ [30] เสนอบางอย่างที่มีความยืดหยุ่น
ครอบครัวของการกระจายเป็นทางเลือกให้ Weibull