问：谁有关于电力系统方面的英文论文？
- 答：期刊网搜一下就有了，前些年有些人发的文章是中文发了然后翻译成英文再发
问：帮忙翻译一篇电力系统英文论文
- 答：把分给我吧！！！！！！！！！！！！
fire35363738@ - 答：julie12345678@
- 答：1141850892@
问：电力系统英语论文翻译!!!
- 答：与thc传统基于安的预测员比较，提出的方法允许我们达到二主要improvcments。 它保证更好的准确性并且是更加可靠的。 其中一主要障碍在大厦可靠基于安的预测员在他们有限的能力在外推被塑造的关系在训练数据领域之外。 有很可能输入变数的一些价值在这个领域外面将导致非常错误展望。 这种现象严肃很大地取决于神经网络设计。 网络以许多输入变数或吨许多暗藏的神经元，提供好准确性为典型的情况，比节俭被设计的网络是易受这样行为。 提出的算法缓和这个问题，因为相对装载增加的每日样式比每日列车速度-重量曲线是果渣反复性。 换句话说，用不同的温度的二天将有不同的装载水平，但相对装载增加他们的曲线将保持相当相似，如被说明在。 1. 这意味着展望准确性不会恶化显着在训练数据未代表的天气情况情况下。 最后，提出的方法lcads对一被改进的rcliability并且到bctter准确性。 要展示这二种方法之间的区别，二位预测员，传统andproposed，被申请了于装载数据从。 1. 每位预测员使用数据被训练了从dav 1。 然后过去常常展望前面20分钟装载为天2。 获得的展望被提出在。 2与实际装载一起。 上部图显示传统预测员导致的展望。 从装载天2的价值是与用于训练的那些不同，这位预测员引起的展望没有道理，并且是完全地不能接受的。 更低的图描述提出的预测员做的展望。 Thesc展望是相当准确的，考虑用于训练的有限的相当数量数据。 这意味着提出的预测员比传统一个可靠。
- 答：建议的方法，使我们能够实现这两大
相比THC的传统基于人工神经网络的预报。
而且保证了更好的准确度和更可靠。一
的主要障碍在建立可靠的基于人工神经网络预报
就在于他们的能力有限，无法推断仿照关系
以后的训练数据域。有一个很好的机会，一些价值观念的输入变量出这个领域将产生非常错误的预测。的严重性，这种现象在很大程度上取决于神经网络的设计。网络中有太多的输入变量或每吨隐患大量存在神经细胞，提供了一个很好的准确性，为典型的情况下，较容易出现这种行为比设计网络。
所提出的算法缓解了这个问题，因为
每日格局相对负荷增量都机读目录重复性
比日负荷曲线。或者换句话说，两天
不同温度下有不同的负荷水平，但其
曲线相对负荷增量仍将颇为相似，因为
说明图。 这意味着，预报准确率会
没有明显恶化，甚至在案件的天气条件，没有派代表出席会议，在训练数据。最终，所提出的方法以改善，而且要准确。以展示区别这两种做法，
两名预报员，传统被应用到
负荷数据，从图。 1 。每个预报员训练用的数据
从DAV的1 。然后用于预测的20分钟提前负荷
第2天。得到的预测是在图。二，随着
实际负荷。上图显示的预测
由传统的气象预报。由于负载值一天2顷
不同于那些用于训练中，所产生的预测
本预报员没有多大意义，是完全
不可接受的。下图描绘所作的经济预测，由
建议预报。 预测是相当准确的，考虑到数量有限的数据用于训练。这意味着，拟议预报员是较可靠的，比传统之一。
