文献

J-GLOBAL ID：201602233906053132   整理番号：16A1387999

サポートベクトル回帰を用いた予測晴天指数と日射量を測定するための訓練期間の影響【Powered by NICT】

The impact of training period for forecasting clearness index and insolation using support vector regression

著者 (2件)： Ogawa Takumi (Tokyo University of Science, 6-3-1 Niijuku, Katsushika-ku 125-8585, Japan) ,  Ueda Yuzuru (Tokyo University of Science, 6-3-1 Niijuku, Katsushika-ku 125-8585, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISGT  ページ： 1-5  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 翌日の日射量予測を光起電力変動に対応する方法として期待されている。一般に,訓練期間可能な限りを拡張する機械学習の訓練のためのが望ましい。しかし,全天水平日射の年変化は日射量予測の精度に影響を与えた。このように,本研究の目的は,晴天指数を予測し,種々の訓練期間と予測モデルの予測誤差を調べることである。提案した晴天指数予測モデルは,サポートベクトル回帰への入力データとして温度,絶対湿度,GPV MSMから各レベルで雲量,空気質量を用いた。,モデルは太陽高さに依存して,三つのモデルに分割した。結果は,根平均二乗誤差,平均絶対誤差,平均バイアス誤差は日射量予測に比べて優れていることを示した。晴天指数予測モデルは,年変化の負の効果を除去するために望ましい。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 予測モデル ,  雲量 ,  予測誤差 ,  *日射量 ,  室内空気質 ,  *日射 ,  バイアス ,  太陽 ,  年変化 ,  比湿 ,  機械学習
準シソーラス用語： 絶対誤差 ,  平均二乗誤差 ,  *晴天指数 ,  *サポートベクトル回帰 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： サポートベクトル回帰 ,  予測 ,  晴天指数 ,  日射量 ,  訓練