TY -的A2 Crofcheck Czarena AU -侯赛因,Md Rahat AU - Oo, Amanullah貌非盟-阿里,a . b . m . assef Shawkat PY - 2013 DA - 2013/08/06 TI -特征选择方法的有效性在太阳能预测SP - 952613六世- 2013 AB -本文实证显示的效果选择特征子集在机器学习技术的应用极大地提高了太阳能发电的预测的准确性。实验使用五个著名的包装执行获取太阳能的特征选择方法预测精度的机器学习技术与选定的特征子集。所有的实验中,机器学习技术,即最小值平方(LMS),多层感知器(MLP)和支持向量机(SVM)使用。后来,这些结果与太阳能相比,预测精度(即相同的机器学习技术。中长期规划、LMS和SVM)但是没有应用特征选择方法(waf)。实验使用可靠和真实生活的历史气象数据。之间的比较结果清楚地表明,LMS,中长期规划,支持向量机提供更好的预测精度(即。,减少美和激射微波)比没有选择特征子集选择特征子集。本文的实验结果便于做出具体的判决提供更多的注意力和精力对特征子集选择方面(例如,选择特征子集对预测精度本文调查)可以大大有助于提高太阳能发电的预测的准确性。SN - 2314 - 4386你2013/952613 / 10.1155——https://doi.org/10.1155/2013/952613——摩根富林明-《可再生能源PB Hindawi出版公司KW - ER