最適化遺伝子発現計画法による定式化と予測長期電気エネルギー消費【Powered by NICT】

Kaboli S. Hr. Aghay; Fallahpour A.; Selvaraj J.; Rahim N.A.; Rahim N.A.

文献

J-GLOBAL ID：201702272514469892 整理番号：17A1095498

最適化遺伝子発現計画法による定式化と予測長期電気エネルギー消費【Powered by NICT】

Long-term electrical energy consumption formulating and forecasting via optimized gene expression programming

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A1095498&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A1095498&from=J-GLOBAL&jstjournalNo=H0631A") }}

著者 (5件)： , , , ,
資料名：
巻： 126 ページ： 144-164 発行年： 2017年
JST資料番号： H0631A ISSN： 0360-5442 CODEN： ENEYDS 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

本研究では,ASEAN-5郡の電気エネルギー消費に及ぼす二種類の歴史的データタイプの影響を定式化した。これに基づいて,最適化されたGEP(遺伝子発現プログラミング)は,歴史的データと電力消費の間の関係を定式化し正確に適用した。最適GEPは,変数間の関係の性質に関する事前知識なしに数学的モデリングにおける閉じた形の解を発見するための高い確率でGEPのより最近の拡張である。この手法はGEPの学習過程におけるロバストで効率的な最適化アルゴリズムを用いてその適切な重み係数の溶液構造と利用の探索のバランスをとることによって提供した。提案した方法の適用性と精度を評価するために,その推定は,ANN(人工ニューラルネットワーク),SVR(サポートベクトル回帰),ANFIS(適応ニューロ-ファジィ推論システム),ルールベースデータマイニングアルゴリズム,GEP,PSOによって最適化された線形および二次モデル(粒子群最適化),CSA(カッコウ探索アルゴリズム)とBSA(バックトラック探索アルゴリズム)から得られたものと比較した。シミュレーション結果は,1971年から2011年まで観測された実際のデータセットで検証した。結果は他の人工知能ベースのモデルと比較して,提案した方法の高い精度を確認した。ASEAN-5諸国における電力消費の将来推定はローリングを基礎とした予測手順に従って2030まで予測した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

電力工学・電力事業一般 , エネルギーに関する技術・経済問題

, , , , , ,

前のページに戻る