文献

J-GLOBAL ID：201702245228144250   整理番号：17A1280308

データマイニングに基づく光起電力アレイ発電予測手法の研究【JST・京大機械翻訳】

PV POWER GENERATION FORECAST BASED ON DATA MINING METHOD

著者 (4件)： Cheng Ze (天津大学電气与自動化工程学院,天津,300072) ,  Li Siyu (天津大学電气与自動化工程学院,天津,300072) ,  Han Lijie (天津大学電气与自動化工程学院,天津,300072) ,  Jiang Chunxiao (天津大学電气与自動化工程学院,天津,300072)
資料名： Taiyangneng Xuebao  (Taiyangneng Xuebao)
巻： 38  号： 3  ページ： 726-733  発行年： 2017年 
JST資料番号： W0629A  ISSN： 0254-0096  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 前向き選択(FS)とK平均クラスタリング(RBF)と動径基底関数(RBF)ニューラルネットワークに基づく新しい光起電力予測法を提案し,これらの問題を解決した。モデルは時間毎の気象要素を入力量とし、まず前方選択法を用いて元の多次元入力量を低減し、次元を減少させる上で各変数間のカップリング現象を減少させる。次に,K-平均クラスタ化法を用いてサンプルをクラスタ化し,次に,種々のデータに対して異なるRBF予測モデルを構築し,単一ニューラルネットワークの過適合問題を回避した。実験結果は,従来の神経回路網予測モデルと比較して,提案したモデルがより少ない入力変数とより高い予測精度を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  予測モデル ,  *予測技法 ,  気象要素 ,  *データマイニング ,  神経回路網 ,  クラスタ化 ,  *光起電力 ,  動径基底関数 ,  高次元 ,  *発電
準シソーラス用語： 予測精度 ,  選択法 , 【Automatic Indexing@JST】

著者キーワード (5件)： data mining ,  PV power forecasting ,  forward selection(FS) ,  K-means ,  RBF neural network

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： データマイニング ,  光起電力 ,  アレイ ,  発電 ,  予測手法 ,  研究