文献

J-GLOBAL ID：201802221989564407   整理番号：18A0615166

データはウェーブレットパケット分解とElmanニューラルネットワークによる短期風速予測を採掘【Powered by NICT】

Data mining-assisted short-term wind speed forecasting by wavelet packet decomposition and Elman neural network

著者 (4件)： Yu Chuanjin (Department of Bridge Engineering, Southwest Jiaotong University, 610031 Chengdu, Sichuan, PR China) ,  Li Yongle (Department of Bridge Engineering, Southwest Jiaotong University, 610031 Chengdu, Sichuan, PR China) ,  Xiang Huoyue (Department of Bridge Engineering, Southwest Jiaotong University, 610031 Chengdu, Sichuan, PR China) ,  Zhang Mingjin (Department of Bridge Engineering, Southwest Jiaotong University, 610031 Chengdu, Sichuan, PR China)
資料名： Journal of Wind Engineering and Industrial Aerodynamics  (Journal of Wind Engineering and Industrial Aerodynamics)
巻： 175  ページ： 136-143  発行年： 2018年 
JST資料番号： B0440B  ISSN： 0167-6105  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)

抄録/ポイント： データマイニング技術に基づいて,短期風速予測のハイブリッド法は,ウェーブレットパケット分解,雑音のある応用の密度ベース空間クラスタリング,Elmanニューラルネットワーク(WPD DBSCAN ENN)を提案した。WPDは風速時系列を分解いくつかの部分系列に適用した。勾配ブースティング回帰木(GBRT)アルゴリズムは,各サブ風系列に対するENNの構造を決定するために適用した。次に,訓練データセットは,ENNの代表的データを選択するためのDBSCANによりクラスター化した。DBSCANにおける重要なパラメータは新しい法により選択した。最後に,風速予測は,ENNを用いて行った。ハイブリッド法の精度を検証するために採用されている事例研究。結果は,四つの一般的な誤差基準によるWPD ENNハイブリッド法と単一ENNを用いて得られたものと比較した。WPD DBSCAN ENNハイブリッド法の性能は,上記の他の方法のそれらより優れていた。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 雑音 ,  *風 ,  *風速 ,  事例研究 ,  アルゴリズム ,  クラスタ化
準シソーラス用語： 訓練データ ,  回帰木 ,  ブースティング ,  空間クラスタリング ,  ハイブリッド法 ,  *風速予測 ,  *Elmanニューラルネットワーク ,  *ウェーブレットパケット分解 , 【Automatic Indexing@JST】

著者キーワード (5件)： 風速予測 ,  ウェーブレットパケット分解(WPD) ,  勾配ブースト回帰ツリー(GBRT) ,  雑音(DBSCAN)と応用の密度ベース空間クラスタリング ,  Elmanニューラルネットワーク(ENN)

分類 (5件)： 局地循環,気流  (DC05090N) ,  風力エネルギー  (LB03060X) ,  大規模擾乱,台風,大気重力波  (DC05070R) ,  風力発電  (NB03120Q) ,  建築環境一般  (RB02010T)

タイトルに関連する用語 (5件)： ウェーブレットパケット分解 ,  Elmanニューラルネットワーク ,  短期 ,  風速予測 ,  採掘