文献

J-GLOBAL ID：201702240564957796   整理番号：17A1392932

風速予測のための関数型単一入力ルール群結合ニューラルファジィシステム【Powered by NICT】

Functional-type single-input-rule-modules connected neural fuzzy system for wind speed prediction

著者 (5件)： Li Chengdong (School of Information and Electrical Engineering, Shandong Jianzhu University, Jinan 250101, China) ,  Wang Li (School of Information and Electrical Engineering, Shandong Jianzhu University, Jinan 250101, China) ,  Zhang Guiqing (School of Information and Electrical Engineering, Shandong Jianzhu University, Jinan 250101, China) ,  Wang Huidong (School of Management Science and Engineering, Shandong University of Finance and Economics, Jinan 250014, China) ,  Shang Fang (School of Information and Electrical Engineering, Shandong Jianzhu University, Jinan 250101, China)
資料名： IEEE/CAA Journal of Automatica Sinica  (IEEE/CAA Journal of Automatica Sinica)
巻： 4  号： 4  ページ： 751-762  発行年： 2017年 
JST資料番号： W2424A  ISSN： 2329-9266  資料種別： 逐次刊行物 (A)
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： 風は一種クリーンと自由再生可能エネルギー源である。風速は風力発電出力に重要な役割を果たしている。しかし,風のランダムと不安定な性質のために,風速の正確な予測は,特に挑戦的な課題である。この報文は,時間毎風速予測のための新しいニューラルファジィ手法を提案した。神経構造はFSIRMs接続FISとニューラルネットワークの両方の利点を結合する汎関数型単一入力ルール群U FSIRMs U重視度結合型ファジィ推論系U FIS Uを提案した。最小訓練誤差と最小パラメータの両方を達成するために,提案したFSIRMs結合ニューラルファジィシステムU FSIRMNFS Uを提示した最小二乗法に基づくパラメータ学習アルゴリズム。さらに,提案したFSIRMNFSとそのパラメータ学習アルゴリズムは,1時間ごとの風速予測に適用した。も提案した方法の有効性と利点を示すために行った実験との比較。実験結果は,著者らの研究は,1時間ごとの風速予測のための有効なアプローチを提示したことを確認した。提案した方法は,風向,風力発電といくつかの他の予測応用再生可能エネルギーの研究分野での予測に使用できる。Copyright 2017 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： 再生エネルギー ,  ニューラルネットワーク ,  学習アルゴリズム ,  *風速 ,  汎関数 ,  風向 ,  風力発電 ,  ファジィ推論 ,  *風 ,  *予測 ,  最小二乗法
準シソーラス用語： 神経 ,  再生可能エネルギー源 ,  *風速予測 , 【Automatic Indexing@JST】

分類 (4件)： 数値計算  (JE02000J) ,  風力発電  (NB03120Q) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 風速予測 ,  関数 ,  ルール