文献

J-GLOBAL ID：201802230607928137   整理番号：18A1690029

最適化された逆伝搬とLevenberg-Marquardt逆伝搬神経回路網を用いた建物の電力消費の予測:中国におけるショッピングモールの事例研究【JST・京大機械翻訳】

Predicting electricity consumption in a building using an optimized back-propagation and Levenberg-Marquardt back-propagation neural network: Case study of a shopping mall in China

著者 (2件)： Ye Zhaoyang (Department of Electric and Electronic Engineering, Xi’an Jiaotong-Liverpool University, 215123, Suzhou, China) ,  Kim Moon Keun (Department of Architecture, Xi’an Jiaotong-Liverpool University, 215123, Suzhou, China)
資料名： Sustainable Cities and Society  (Sustainable Cities and Society)
巻： 42  ページ： 176-183  発行年： 2018年 
JST資料番号： W2908A  ISSN： 2210-6707  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,最適化逆伝搬(BP)ニューラルネットワークに基づく建物の電力消費予測のための組合せ制御手法を検討した。建物の電力消費を予測することは,電力供給と安全な生産に直接影響するので,電力管理システムの重要な部分である。BPニューラルネットワーク予測法は,その高い塑性と単純な構造のために,この目的のために広く使われているが,それは,訓練中の遅い収束,ゆらぎ,および振動のような欠点を持っている。勾配降下法とQuasi-Newton法を組み合わせることにより予測精度を向上させるためにLevenberg-Marquardt逆伝搬(LM-BP)ニューラルネットワークの使用を提案し,それにより高速収束速度を保証し,全体性能をより良く維持した。さらに,ネットワーク重みを,最急勾配降下法とGauss-Newton法の間の適応調整によって最適化することができ,したがって,ネットワークは,効果的に収束することができた。したがって,LMアルゴリズムの精度と安定性は改善され,建物電力消費予測モデルは改良BPニューラルネットワークに基づいて確立できる。著者らの結果は,LM-BPニューラルネットワークに基づく予測モデルが予測の精度と安定性を改善し,それが建物電力消費の短期予測に適していることを実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 高速度 ,  ネットワーク ,  適応制御 ,  アルゴリズム ,  予測技法 ,  安全性 ,  ニューラルネットワーク ,  *予測 ,  *神経回路網 ,  *電力消費 ,  *事例研究 ,  予測モデル ,  電力供給 ,  *最適化
準シソーラス用語： 予測精度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 電力消費 ,  ニューラルネットワーク ,  建築におけるエネルギー ,  バックプロパゲーション

分類 (2件)： 電力工学・電力事業一般  (NB01000X) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： 最適化 ,  伝搬 ,  神経回路網 ,  建物 ,  電力消費 ,  予測 ,  中国 ,  ショッピングモール ,  研究