《表1 预测模型特征项与风速互信息值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种利用混合算法选择变量的天牛须优化神经网络风速预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为确保所选特征项与风速相关性较强，同时降低特征项间的冗余性。通过反复试验，分析计算结果可知:包括发电机输出功率a1、发电机加权平均输出功率a2、环境温度a3、总发电量a4、齿轮箱轴承温度a5、发电机前轴承温度a6、发电机定子温度a7、风向角a8、偏航角度a9、机舱角与风向角偏差度数a10、交流电压a11在内的11个特征项与风速MI值始终大于0.82，且这11个特征与风速MI值排名变化不大。因此，选取这11个特征项作为初筛结果，具体见表1。