文献

J-GLOBAL ID：201702240679405307   整理番号：17A1265294

多重カーネル学習と重み付きサポートベクトル回帰マシンに基づく電力負荷予測の研究【Powered by NICT】

Study of electricity load forecasting based on multiple kernels learning and weighted support vector regression machine

著者 (2件)： Limei Liu (Department of basic education, Shenyang Institute of Engineering, Shenyang 110136) ,  Xuan Hou (Shenyang Power Supply Company, Shenyang 110811)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCDC  ページ： 1421-1424  発行年： 2017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： 電力負荷予測研究は,ホットスポットになっている。正確な電力負荷予測は我々の生活に大きな実際的重要である。サポートベクトル回帰マシンはデータ予測能力に適している。学習法の利点は,はるかに能力を得るために少なく,限られた情報条件中である。マルチカーネルアルゴリズムと電力系統の短期負荷予測分野で活用されていることを新しい重み付きサポートベクトル回帰マシンであることを新しいアルゴリズムを示した。アルゴリズムは,サポートベクトル回帰マシンのカーネル関数を最適化することができる。シミュレーション実験の結果は,新しいアルゴリズムが予測電力負荷に関する有意義な探査を行い,それは良好な一般化性能と予測時間を短縮できることを示した。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： *負荷予測 ,  *予測 ,  シミュレーション ,  *多重化 ,  アルゴリズム ,  *学習 ,  前向きコホート研究 ,  電力系統 ,  最適化 ,  ホットスポット
準シソーラス用語： Kernel関数 ,  予測能力 ,  *電力負荷 ,  *サポートベクトル回帰 ,  *Kernel法 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (7件)： 多重 ,  カーネル学習 ,  サポートベクトル回帰 ,  マシン ,  電力負荷 ,  予測 ,  研究