《表2 降维可信度情况：基于时序数据动态天气划分的短期风电功率预测方法》

  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

《基于时序数据动态天气划分的短期风电功率预测方法》

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

为去除NWP样本集噪声并在二维空间直观反映天气样本的特性，采用t-SNE降维方法将NWP样本集从27维降到二维子空间，困惑度取30，迭代1000次。选取前30个样本日共2880个数据点展示t-SNE降维可视化结果，如图2所示。可以看到，使用t-SNE算法可以在二维空间清晰地表示所有样本点。大部分样本日由一段或发生突变后的几段保持连续变化的短线构成，反映了天气变化的时间连续性和脉动性。为对比降维效果，采用t-SNE和PCA将训练集数据分别降维到2维、3维和7维子空间。并采用可信度[20]（Trustworthiness）作为降维后的数据局部结构保留情况的评价标准，可信度越高，降维后数据保留程度越好，降维可信度见表2。