توزیع‌های احتمالی سرعت باد یکی از خصوصیات اصلی باد برای ارزیابی پتانسیل انرژی باد در یک منطقه مشخص هستند.  در این مقاله، توزیع ‌لگ-لجستیک سه پارامتری معرفی شده و با شش مدل آماری مورد استفاده برای مدل‌سازی داده‌های سرعت باد واقعی گزارش شده در ایستگاه‌های تبریز و ارومیه مقایسه شده است.  پارامترهای مدل با روش ماکسیمم درستنمایی و با استفاده از الگوریتم نیلدر-مید برآورد شده است. میزان برازش به توزیع‌های پیشنهادی بر اساس ضریب تعیین، آزمون خی-دو، آزمون کولموگوروف اسمیرنف و معیار ریشه میانگین توان دوم خطا اندازه‌گیری می‌شود. نتایج تحلیل‌ها نشان می‌دهند که توزیع لگ-لجستیک سه پارامتری بهترین برازش را برای مدل‌بندی داده‌های سرعت باد سالانه و فصلی در ایستگاه ارومیه و به جز فصل تابستان برای ایستگاه تبریز فراهم می‌کند. همچنین شاخص خطای چگالی توان باد برای توزیع‌های مختلف محاسبه شده است.

استفاده از روش‌های درستنمایی تاوانیده با تکثیر مجموعه داده‌های بعد بالا گسترش یافته است. با این وجود، هنگامی که تعداد مشاهدات در مقایسه با تعداد متغیرهای کمکی نسبتاً کم است، هر مشاهده‌ای به‌طور بالقوه می‌تواند تأثیر بسزایی روی انتخاب مدل و استنباط داشته باشد. بنابراین، شناسایی و ارزیابی مشاهدات موثر در روش‌های تاوانیده مهم است. در این مقاله، معیارهای تأثیر برای تشخیص مشاهدات موثر در رگرسیون لاسو بعد بالا که اخیراً معرفی شده‌اند، مرور می‌شوند. سپس، این معیارها تحت روش الاستیک‌نت که برای بهبود پیش‌بینی‌های مدل، ویژگی حذف از لاسو و کاهش ضرایب از ریج را ترکیب کرده، بررسی می‌شوند. از طریق شبیه‌سازی و مجموعه داده‌های واقعی نشان داده می‌‌‌‌‌شود که معیارهای تأثیر معرفی شده به‌طور کارآمد مشاهدات موثر را شناسایی می‌کنند و می‌توانند به آشکارسازی روابط پنهان در داده‌ها کمک کنند.