文献

J-GLOBAL ID：201802211162503495   整理番号：18A2098873

SEA 熱需要予測のための複合モデル【JST・京大機械翻訳】

SEA: A Combined Model for Heat Demand Prediction

著者 (7件)： Xie Jiyang (Pattern Recognition and Intelligent Systems Lab., Beijing University of Posts and Telecommunications, Beijing, 100876, China) ,  Guo Jiaxin (Pattern Recognition and Intelligent Systems Lab., Beijing University of Posts and Telecommunications, Beijing, 100876, China) ,  Ma Zhanyu (Pattern Recognition and Intelligent Systems Lab., Beijing University of Posts and Telecommunications, Beijing, 100876, China) ,  Xue Jing-Hao (Department of Statistical Science, University College London, London, United Kingdom) ,  Sun Qie (Institute of Thermal Science and Technology, Shandong University, Jinan, 250100, China) ,  Li Hailong (Society and Engineering, Maelardalen University, School of Business, Vaestera&s, Sweden) ,  Guo Jun (Pattern Recognition and Intelligent Systems Lab., Beijing University of Posts and Telecommunications, Beijing, 100876, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IC-NIDC  ページ： 71-75  発行年： 2018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： 熱需要予測は,知的エネルギーネットワークの分野における顕著な研究主題である。周期性は熱需要の重要な特性の一つであることが良く認識されている。LOESS(STL)アルゴリズムに基づくSeasonal-Trend分解は,熱需要シリーズの周期性を分析することができて,シリーズを季節と傾向成分に分解することができた。次に,季節的および傾向成分をそれぞれ予測して,熱需要予測と共にそれらの予測を組み合わせることは,熱需要を予測するための可能な方法である。本論文では,一般的に熱需要予測に適用されるElmanニューラルネットワーク(ENN)と自己回帰統合移動平均(ARIMA)モデルの組合せに基づいて,組合せモデルであるSTL-EN-ARIMA(SEA)を提案した。ENNとARIMAは,それぞれ季節と傾向成分を予測するために使用した。実験結果は,提案したSEAモデルが有望な性能を持つことを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測 ,  アルゴリズム
準シソーラス用語： ARIMAモデル ,  自己回帰 ,  Elmanニューラルネットワーク ,  周期性 ,  エネルギーネットワーク ,  *複合モデル ,  *熱需要 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： SEA ,  熱需要 ,  予測 ,  複合モデル