文献

J-GLOBAL ID：201702219057410314   整理番号：17A1460976

公共建築WSHPシステムの電力消費を予測するための異常値検出法に基づくサポートベクトル回帰モデルの最適化【Powered by NICT】

Optimization of support vector regression model based on outlier detection methods for predicting electricity consumption of a public building WSHP system

著者 (7件)： Sun Shaobo (Department of Refrigeration & Cryogenics, Huazhong University of Science and Technology, Wuhan, China) ,  Li Guannan (Department of Refrigeration & Cryogenics, Huazhong University of Science and Technology, Wuhan, China) ,  Chen Huanxin (Department of Refrigeration & Cryogenics, Huazhong University of Science and Technology, Wuhan, China) ,  Guo Yabin (Department of Refrigeration & Cryogenics, Huazhong University of Science and Technology, Wuhan, China) ,  Wang Jiangyu (Department of Refrigeration & Cryogenics, Huazhong University of Science and Technology, Wuhan, China) ,  Huang Qianyun (Department of Refrigeration & Cryogenics, Huazhong University of Science and Technology, Wuhan, China) ,  Hu Wenju (Beijing Key Lab of Heating, Gas Supply, Ventilating and Air Conditioning Engineering, Beijing University of Civil Engineering and Architecture, Beijing, China)
資料名： Energy and Buildings  (Energy and Buildings)
巻： 151  ページ： 35-44  発行年： 2017年 
JST資料番号： A0199A  ISSN： 0378-7788  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 建物の実時間運転データの解析と応用はエネルギー管理にとって重要である。しかしオリジナルデータは必然的に異常値と,通常データに基づくモデルの性能に大きな負の影響をもたらすの数を含んでいる。異常値の影響を除去し,データに基づくモデルのロバスト性を改善するために,本研究は,元のデータセット中の潜在的異常値を同定するための三法(ボックスプロット,局所異常値因子(LOF)とPCOut)を採用した。これら三つの方法の異常値検出性能を評価する目的で,四SVRベース電力消費予測モデル,オリジナルSVR,BOX SVR,LOF SVRとPCO SVR,を確立した。またモデルの性能指数(RE,RMSEとRSE)を比較し,解析した。結果は,電力消費予測の精度は,異常値検出のためのボックスプロットとLOF法の助けを借りて改善されることを示すが,PCOut法はオリジナルSVRモデルと比較して精度を低下させる。更なる研究は,ボックスプロットとLOF法による異常を同定し繰り返しこれらの観察は異常である可能性の高いであることを示し,これらの試料は,訓練データセットから除去される場合,RMSEは6.44から2.76に低下するとRSEは,試験経過中に0.58から0.11に低下した。Copyright 2017 Elsevier B.V., Amsterdam. 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 ,  性能評価 ,  エネルギー管理 ,  *公共建築 ,  性能指数 ,  *最適化 ,  *異常値 ,  *電力消費 ,  *予測 ,  ロバスト性
準シソーラス用語： 訓練データ ,  運転データ ,  実時間 ,  *サポートベクトル回帰 ,  *異常値検出 , 【Automatic Indexing@JST】

著者キーワード (5件)： 水熱源ヒートポンプ ,  異常値検出 ,  サポートベクトル回帰 ,  電力消費予測 ,  性能評価

分類 (1件)： エネルギー消費・省エネルギー  (LD01000B)

タイトルに関連する用語 (7件)： 公共建築 ,  電力消費 ,  予測 ,  異常値検出 ,  サポートベクトル回帰 ,  モデル ,  最適化