. The reason of this positive pheno

. The reason of this positive phenomenon
is that the proposed secondary decomposing strategy decreases
the instability of the original wind speed data considerably. Since
the raw wind speed data have been decomposed, the built Elman
neural network can realize the final high-precision wind speed
predictions; (b) the hybrid WPD-Elman model outperforms the
single Elman neural network. This indicates that the combination
of the WPD algorithm and the Elman neural network is a right
way to promote the nonlinear capacity of the single Elman neural
network in the wind speed multi-step forecasting; (c) the hybrid
WPD-FEEMD-Elman model precedes the hybrid WPD-Elman
model. The obtained results justify the proposed strategy consisting
of decomposing the wind speed time series using two successive
signal processing stages is effective to improve the
forecasting performance of the Elman model; and (d) the proposed
new WPD-FEEMD -Elman model can be programmed and realized
conveniently by adopting the Matlab platform

ผลลัพธ์ (ไทย) 1:

. เหตุผลของปรากฏการณ์นี้บวกเป็นกลยุทธ์ decomposing รองเสนอลดความไม่แน่นอนของเดิมลมข้อมูลเร็วมาก ตั้งแต่ข้อมูลความเร็วลมวัตถุดิบได้ถูกย่อยสลายไป Elman สร้างขึ้นเครือข่ายประสาทสามารถทราบความเร็วลมความแม่นยำสูงสุดท้ายคาดคะเน (ข) แบบไฮบริ WPD Elman outperformsElman ประสาทเครือข่ายเดียวกัน นี้หมายถึงการรวมกันอัลกอริทึม WPD และ Elman เครือข่ายประสาทเป็นสิทธิวิธีการส่งเสริมกำลังการผลิตไม่เชิงเส้นของ Elman เดียวประสาทเครือข่ายในการลมความเร็วขั้นตอนหลายคาดการณ์ (c ไฮบริด)WPD-FEEMD-Elman รุ่นก่อนหน้าไฮบริ WPD Elmanแบบจำลอง ผลที่ได้รับการจัดกลยุทธ์การนำเสนอประกอบด้วยของพืชพันธุ์ชุดเวลาความเร็วลมที่ใช้สองต่อขั้นตอนการประมวลผลมีประสิทธิภาพเพื่อปรับปรุงสัญญาณการคาดการณ์ของแบบจำลอง Elman และ (d) นำเสนอWPD ใหม่-FEEMD-รุ่น Elman สามารถตั้งโปรแกรม และรับรู้บริการ โดยการใช้แพลตฟอร์มของ Matlab

ผลลัพธ์ (ไทย) 2:

. เหตุผลของปรากฏการณ์เชิงบวกนี้คือการที่นำเสนอกลยุทธ์การย่อยสลายรองลดลงไม่แน่นอนของลมเดิมข้อมูลความเร็วมาก เนื่องจากข้อมูลที่ความเร็วลมดิบได้รับการย่อยสลายตัว Elman เครือข่ายประสาทสามารถตระหนักถึงลมสุดท้ายความแม่นยำสูงความเร็วการคาดการณ์; (ข) ไฮบริดรุ่น WPD-Elman มีประสิทธิภาพดีกว่าElman เดียวโครงข่ายประสาทเทียม นี้บ่งชี้ว่าการรวมกันของขั้นตอนวิธี WPD และเครือข่ายประสาท Elman เป็นสิทธิวิธีการส่งเสริมความสามารถในการไม่เชิงเส้นของประสาทElman เดียวเครือข่ายความเร็วลมคาดการณ์หลายขั้นตอน; (ค) ไฮบริดWPD-FEEMD-Elman รูปแบบไฮบริดแจ๋ว WPD-Elman รูปแบบ ผลที่ได้แสดงให้เห็นถึงกลยุทธ์ที่นำเสนอประกอบด้วยการย่อยสลายความเร็วลมเวลาใช้สองชุดต่อเนื่องขั้นตอนการประมวลผลสัญญาณมีประสิทธิภาพในการปรับปรุงประสิทธิภาพการคาดการณ์ของรูปแบบเอลแมน; และ (ง) ที่เสนอใหม่WPD-FEEMD รูปแบบ -Elman สามารถตั้งโปรแกรมและตระหนักถึงสิ่งอำนวยความสะดวกโดยการใช้แพลตฟอร์มMatlab

ผลลัพธ์ (ไทย) 3:

. เหตุผลของปรากฏการณ์นี้บวก
ที่เสนอระดับของกลยุทธ์ลด
ความไม่แน่นอนของเดิมข้อมูลความเร็วลมมาก
ข้อมูลความเร็วลมตั้งแต่วัตถุดิบได้ถูกย่อยสลาย การสร้างเครือข่ายประสาทสามารถตระหนัก เ แมน

สุดท้ายความเร็วลมความคาดคะเน ; ( b ) ลูกผสม wpd เ แมนแบบมีประสิทธิภาพดีกว่า
โสด เ แมนประสาทเครือข่ายนี้บ่งชี้ว่าการรวมกัน
ของ wpd ขั้นตอนวิธีและโครงข่ายประสาทเทียม เ แมนเป็นวิธีที่เหมาะสมเพื่อส่งเสริมความสามารถของเส้น

เดี่ยว เ แมนประสาทเครือข่ายความเร็วลมปรับการพยากรณ์ ; ( c )
wpd ลูกผสมแบบไฮบริด เ แมน feemd นำหน้า wpd เ แมน
นางแบบ ผลการทดลองปรับกลยุทธ์ประกอบด้วย
เสนอของของอนุกรมเวลาโดยใช้ความเร็วลมต่อเนื่องสองขั้นตอน
การประมวลผลสัญญาณมีประสิทธิภาพเพื่อปรับปรุงประสิทธิภาพของแบบจำลอง
การพยากรณ์ เ แมน และ ( d )
- เสนอใหม่ wpd-feemd เ แมนแบบสามารถตั้งโปรแกรมและตระหนักถึง
สะดวกโดยการโปรแกรม แพลตฟอร์ม