In, it is mentioned that different

In, it is mentioned that different types of conventional statistical approaches, such as auto regressive moving average (ARMA) models, auto regressive integrated moving average (ARIMA) models, and Kalman filter can be considered for wind speed forecasting. Besides, machine learning based techniques such as multilayer perceptron (MLP) neural networks and radial basis function (RBF) neural networks are also reported to estimate the wind speed uncertainty behavior ahead of time

ผลลัพธ์ (ไทย) 2:

ในมันบอกว่าแตกต่างกันของวิธีการทางสถิติเดิมเช่นรถยนต์ถอยหลังค่าเฉลี่ยเคลื่อนที่ (ARMA) รุ่นรถยนต์ถอยหลังรวมค่าเฉลี่ยเคลื่อนที่ (ARIMA) รุ่นและกรองคาลมานไฟได้รับการพิจารณาสำหรับการคาดการณ์ลมความเร็ว นอกจากนี้การเรียนรู้เครื่องเทคนิคเช่นหลายตรอน (MLP) เครือข่ายประสาทและการทำงานพื้นฐานรัศมี (RBF) เครือข่ายประสาทนอกจากนี้ยังจะมีการรายงานในการประมาณความไม่แน่นอนพฤติกรรมลมความเร็วก่อนเวลา

ผลลัพธ์ (ไทย) 3:

ใน มันกล่าวว่าประเภทของวิธีการทางสถิติทั่วไป เช่น รถยนต์ถอยหลังค่าเฉลี่ยเคลื่อนที่ ( อาม่า ) รุ่น , รถยนต์ถอยหลังแบบค่าเฉลี่ยเคลื่อนที่ ( ARIMA ) นางแบบ และ คาลมานจึง lter ถือได้ว่าความเร็วการพยากรณ์ลม นอกจากนี้การเรียนรู้เครื่องตามเทคนิคเช่นเพอร์เซปตรอนหลายชั้น ( MLP ) โครงข่ายประสาทเทียมและฟังก์ชันพื้นฐานรัศมี ( RBF ) โครงข่ายประสาทเทียมมีรายงานยังประเมินความเร็วลมไม่แน่นอนพฤติกรรมก่อน







เวลา