文献

J-GLOBAL ID：201702274479509244   整理番号：17A1665287

SVM-GAモデルに基づく都市ガスの長期負荷予測【JST・京大機械翻訳】

A Forecasting Model of Natural Gas Long-Term Load Based on SVM-GA

著者 (5件)： Dong Mingliang (遼寧石油化工大学 石油天然气工程学院,遼寧 撫順,113001) ,  Liu Peisheng (遼寧石油化工大学 石油天然气工程学院,遼寧 撫順,113001) ,  Pan Zhen (遼寧石油化工大学 石油天然气工程学院,遼寧 撫順,113001) ,  Wen Jiangbo (遼寧石油化工大学 石油天然气工程学院,遼寧 撫順,113001) ,  Li Bingfan (遼寧石油化工大学 石油天然气工程学院,遼寧 撫順,113001)
資料名： Liaoning Shiyou Huagong Daxue Xuebao  (Liaoning Shiyou Huagong Daxue Xuebao)
巻： 37  号： 2  ページ： 31-36  発行年： 2017年 
JST資料番号： C3541A  ISSN： 1672-6952  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： 天然ガスの長期負荷予測は,都市ガス供給と需要の不均衡を解決することができ,都市ガス会社の管理と運転のための支援を提供することができる。天然ガスの長期負荷予測の精度を改善するために,SVM-GA(Support Vector Machines-Genetic Algorithm)に基づく長期ガス負荷予測モデルを提案した。本論文では,サポートベクトルマシン(SVM)モデルの予測精度を改善するために,遺伝的アルゴリズムと交差検証法を用いて,天然ガスの使用量に影響を与える因子を分析し,SVMモデルの予測精度を改善するために,最適化パラメータをSVMモデルに入力した。天然ガスの長期負荷予測を行った。実際のサンプルデータを例として、SVM-GAモデルの予測結果とSVMと交差検証法の結合モデル及びBP(Back Propagation)神経回路網モデルの予測結果と比較分析を行った。結果は以下を示した。SVM-GA予測モデルは,SVMと交差検証法による予測モデルとBP神経回路網モデルと比較して,予測精度の相対平均二乗誤差,正規化平均二乗誤差,正規化絶対平方根誤差,正規化平方根誤差,最大絶対誤差の5つの指標は,それぞれ,0.58%,3.98%,6.99%,26.28%,19.71%,21.09%,31.48%であった。従って,サポートベクトルマシンと遺伝的アルゴリズムを組み合わせたモデルは,正確に天然ガスの長期負荷を予測することができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 交差検証法 ,  サポートベクトルマシン ,  *都市ガス ,  遺伝的アルゴリズム ,  天然ガス ,  最適化 ,  予測モデル ,  *予測 ,  正規化 ,  *負荷予測
準シソーラス用語： 絶対誤差 ,  平均二乗誤差 ,  比較分析 ,  神経回路網モデル ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (7件)： Natural gas long-term load ,  SVM ,  BP neural networks ,  Genetic algorithm ,  Cross validation ,  Forecast ,  Accuracy

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： モデル ,  都市 ,  長期 ,  負荷予測