抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
変分モード分解(VMD)は,信号処理のための先進的多重分解能法として提案されている。本研究では,カリフォルニア電力とBrent原油価格を予測するためのVMDベース一般化回帰ニューラルネットワークアンサンブル学習モデルを提案した。その性能に基づく一般化回帰ニューラルネットワーク(GRNN)アンサンブルモデル経験的モード分解(EMD)のそれと比較した。粒子群最適化は,アンサンブルシステム内の各GRNN初期重量を最適化した。実験結果はVMDベースアンサンブルは,平均絶対誤差,平均絶対百分率誤差,根平均二乗誤差の観点からEMDベースアンサンブル予報系より優れていることを示した。も比較目的のために使用される従来の自己回帰移動平均モデルより優れていた。その結果,VMDベースGRNNアンサンブル予報パラダイムは,カリフォルニア電力とBrent原油価格予測のための有望な方法である可能性がある。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】