This paper evaluates the performanc

This paper evaluates the performance of different types of Regression Trees (RTs) in a real problem of
very short-term wind speed prediction from measuring data in wind farms. RT is a solidly established
methodology that, contrary to other soft-computing approaches, has been under-explored in problems of
wind speed prediction in wind farms. In this paper we comparatively evaluate eight different types of RTs
algorithms, and we show that they are able obtain excellent results in real problems of very short-term
wind speed prediction, improving existing classical and soft-computing approaches such as multi-linear
regression approaches, different types of neural networks and support vector regression algorithms in
this problem. We also show that RTs have a very small computation time, that allows the retraining of the
algorithms whenever new wind speed data are collected from the measuring towers.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้ประเมินประสิทธิภาพของชนิดต่าง ๆ ของการถดถอย (อาร์ทีเอส) ในปัญหาที่แท้จริงของระยะสั้นมากทำนายความเร็วลมจากการวัดข้อมูลในฟาร์มลม RT ถูกกำหนดขึ้นอย่างสมบูรณ์วิธีที่ ขัดกับวิธีอื่น ๆ ใช้งานนุ่ม ได้รับภายใต้สำรวจปัญหาของการคาดเดาความเร็วลมในฟาร์มลม ในเอกสารนี้ เราดีอย่างหนึ่งประเมินชนิดแปดอาร์ทีเอสอัลกอริทึม และเราแสดงว่า จะได้รับผลแห่งปัญหาที่แท้จริงของระยะสั้นมากลมความเร็วทำนาย ปรับปรุงแนวคลาสสิก และ คำนวณน้ำอัดลมที่มีอยู่เช่นหลายเส้นถดถอยใกล้ ชนิดของเครือข่ายประสาทและอัลกอริทึมการถดถอยของเวกเตอร์สนับสนุนในปัญหานี้ เรายังแสดงว่า อาร์ทีเอสมีเวลาคำนวณขนาดเล็กมาก ที่ retraining ของอัลกอริทึมเมื่อใดก็ ตามที่มีการรวบรวมข้อมูลความเร็วลมใหม่จากอาคารวัด

ผลลัพธ์ (ไทย) 2:

กระดาษนี้จะประเมินผลการดำเนินงานที่แตกต่างกันของการถดถอยต้นไม้ (RTS) ในปัญหาที่แท้จริงของ
มากในระยะสั้นคาดการณ์ความเร็วลมจากการวัดข้อมูลในฟาร์มลม RT เป็นที่จัดตั้งขึ้นอย่างสมบูรณ์
วิธีการที่ตรงกันข้ามกับวิธีการอื่น ๆ นุ่มคอมพิวเตอร์ได้รับภายใต้การสำรวจในปัญหาของ
การทำนายความเร็วลมในฟาร์มลม ในบทความนี้เราประเมินเปรียบเทียบแปดประเภทที่แตกต่างกันของ RTS
ขั้นตอนวิธีการและเราแสดงให้เห็นว่าพวกเขาจะสามารถได้รับผลลัพธ์ที่ยอดเยี่ยมในปัญหาที่แท้จริงของมากในระยะสั้น
คาดการณ์ลมความเร็วในการปรับปรุงวิธีการที่มีอยู่คลาสสิกและการคำนวณอ่อนเช่นหลายเชิงเส้น
วิธีการถดถอย ชนิดที่แตกต่างกันของเครือข่ายประสาทและการสนับสนุนเวกเตอร์ขั้นตอนวิธีการถดถอยใน
ปัญหานี้ นอกจากนี้เรายังแสดงให้เห็นว่า RTS มีเวลาในการคำนวณขนาดเล็กมากที่ช่วยให้การฝึกอบรมของ
อัลกอริทึมเมื่อใดก็ตามที่ข้อมูลความเร็วลมใหม่จะถูกเก็บรวบรวมจากเสาวัด

ผลลัพธ์ (ไทย) 3:

กระดาษนี้จะประเมินประสิทธิภาพของประเภทที่แตกต่างกันของการถดถอยต้นไม้ ( RTS ) ในปัญหาที่แท้จริงของ
พยากรณ์ความเร็วลมระยะสั้นมากจากวัดในฟาร์มลม RT เป็นก่อตั้ง
อย่างสมบูรณ์วิธีการที่ขัดกับแนวทางการคำนวณอ่อนอื่น ๆได้รับภายใต้การสำรวจปัญหาของ
ทำนายในความเร็วลมลมในกระดาษนี้เราทำการประเมินแปดชนิดที่แตกต่างของ RTS
ขั้นตอนวิธี และเราแสดงให้เห็นว่า พวกเขาสามารถได้รับผลลัพธ์ที่ยอดเยี่ยมในปัญหาที่แท้จริงของระยะสั้นมาก
ความเร็วลม การทำนาย การปรับปรุงที่มีอยู่คลาสสิกและอ่อนคำนวณวิธีเช่นหลายวิธีถดถอยเชิงเส้น
, ประเภทของเครือข่ายประสาทเทียมขั้นตอนวิธีการและสนับสนุนเวกเตอร์
ปัญหานี้ .นอกจากนี้เรายังแสดงให้เห็นว่า RTS มีเวลาในการคำนวณขนาดเล็กมากที่ช่วยให้การฝึกอบรมของ
อัลกอริทึมเมื่อใดก็ตามที่ข้อมูลความเร็วลมใหม่จะถูกเก็บรวบรวมจากวัดอาคาร