Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
Journal of Electrical Engineering
Band 69 (2018): Heft 2 (March 2018)
Uneingeschränkter Zugang
Wind speed prediction with RBF neural network based on PCA and ICA
Yagang Zhang
Yagang Zhang
,
Chenhong Zhang
Chenhong Zhang
,
Yuan Zhao
Yuan Zhao
und
Shuang Gao
Shuang Gao
| 30. Mai 2018
Journal of Electrical Engineering
Band 69 (2018): Heft 2 (March 2018)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
30. Mai 2018
Seitenbereich:
148 - 155
Eingereicht:
26. Feb. 2017
DOI:
https://doi.org/10.2478/jee-2018-0018
Schlüsselwörter
renewable energy
,
wind speed prediction
,
PCA
,
ICA
,
artificial neural network
© 2018 Yagang Zhang et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 License.
Yagang Zhang
State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University
Beijing, China
Chenhong Zhang
State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University
Beijing, China
Yuan Zhao
State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University
Beijing, China
Shuang Gao
State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University
Beijing, China