多种特征组合下基于学习的离岸风力预测模型分析
信号处理
2025-03-19 v1 机器学习
应用统计
摘要
准确的风速预测对于设计和选择离岸风力场的场地至关重要。本文通过分析气象数据，探讨了各种机器学习模型在预测靠近墨西哥湾附近的场地的离岸风力方面的有效性。经过收集和预处理气象数据后，设计了九种不同的输入特征组合来评估其对风力预测在多个高度处的影响。结果表明，使用风速作为输出特征比使用风功率提高约 10% 的预测准确性。此外，多特征输入与单特征输入的改进并不明显，主要由于关键特征之间的相关性较差以及模型的泛化能力有限。这些发现凸显了选择合适输出特征的重要性，强调了在风力预测中使用机器学习的考虑因素，为未来的风力预测模型和转换技术提供了启发。
引用
@article{arxiv.2503.13493,
title = {Analysis of Learning-based Offshore Wind Power Prediction Models with Various Feature Combinations},
author = {Linhan Fang and Fan Jiang and Ann Mary Toms and Xingpeng Li},
journal= {arXiv preprint arXiv:2503.13493},
year = {2025}
}