日用电器
日用電器
일용전기
ELECTRICAL APPLIANCES
2013年
12期
56-58
,共3页
SVM%网络模型%发电功率%预测
SVM%網絡模型%髮電功率%預測
SVM%망락모형%발전공솔%예측
SVM%network model%electricity power%prediction
二维SVM分类器只能解决简单的分类问题，本文在此基础上构建网络模型，实现发电功率数值的初步预测。并且使得预测误差缩小至0.05，提高了预测的精度。
二維SVM分類器隻能解決簡單的分類問題，本文在此基礎上構建網絡模型，實現髮電功率數值的初步預測。併且使得預測誤差縮小至0.05，提高瞭預測的精度。
이유SVM분류기지능해결간단적분류문제，본문재차기출상구건망락모형，실현발전공솔수치적초보예측。병차사득예측오차축소지0.05，제고료예측적정도。
Single binary SVM classifier can only solve the simple categorization task. So we build a network model on this and give a first-step test on the wind electricity prediction. Finally, we let the error go down to 0.05 and increase the accuracy.
