Vous voulez être sûr que vos cadeaux seront sous le sapin de Noël à temps? Nos magasins vous accueillent à bras ouverts. La plupart de nos magasins sont ouverts également les dimanches, vous pouvez vérifier les heures d'ouvertures sur notre site.
- Retrait gratuit dans votre magasin Club
- 7.000.000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Vous voulez être sûr que vos cadeaux seront sous le sapin de Noël à temps? Nos magasins vous accueillent à bras ouverts. La plupart de nos magasins sont ouverts également les dimanches, vous pouvez vérifier les heures d'ouvertures sur notre site.
- Retrait gratuit dans votre magasin Club
- 7.000.0000 titres dans notre catalogue
- Payer en toute sécurité
- Toujours un magasin près de chez vous
Supervised Machine Learning in Wind Forecasting and Ramp Event Prediction
Harsh S Dhiman, Dipankar Deb, Valentina Emilia Balas
212,45 €
+ 424 points
Description
Supervised Machine Learning in Wind Forecasting and Ramp Event Prediction provides an up-to- date overview on the broad area of wind generation and forecasting, with a focus on the role and need of Machine Learning in this emerging field of knowledge. Various regression models and signal decomposition techniques are presented and analyzed, including least-square, twin support and random forest regression, all with supervised Machine Learning. The specific topics of ramp event prediction and wake interactions are addressed in this book, along with forecasted performance.
Wind speed forecasting has become an essential component to ensure power system security, reliability and safe operation, making this reference useful for all researchers and professionals researching renewable energy, wind energy forecasting and generation.
Spécifications
Parties prenantes
- Auteur(s) :
- Editeur:
Contenu
- Nombre de pages :
- 216
- Langue:
- Anglais
- Collection :
Caractéristiques
- EAN:
- 9780128213537
- Date de parution :
- 31-01-20
- Format:
- Livre broché
- Format numérique:
- Trade paperback (VS)
- Dimensions :
- 152 mm x 229 mm
- Poids :
- 294 g
