文献

J-GLOBAL ID：201802232656584861   整理番号：18A1690021

大学キャンパスのための季節的時間毎電力消費を予測するための予測人工神経回路網モデル【JST・京大機械翻訳】

Predictive artificial neural network models to forecast the seasonal hourly electricity consumption for a University Campus

著者 (5件)： Yuan Jihui (Dept. of Architectural Engineering, Graduate School of Engineering, Osaka University, Suita 565-0871, Japan) ,  Yuan Jihui (Dept. of Housing and Environmental Design, Graduate School of Human Life Science, Osaka City University, Osaka 558-8585, Japan) ,  Farnham Craig (Dept. of Housing and Environmental Design, Graduate School of Human Life Science, Osaka City University, Osaka 558-8585, Japan) ,  Azuma Chikako (Dept. of Housing and Environmental Design, Graduate School of Human Life Science, Osaka City University, Osaka 558-8585, Japan) ,  Emura Kazuo (Dept. of Housing and Environmental Design, Graduate School of Human Life Science, Osaka City University, Osaka 558-8585, Japan)
資料名： Sustainable Cities and Society  (Sustainable Cities and Society)
巻： 42  ページ： 82-92  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： 本論文では,日本の大学キャンパスの3つの地域に対する季節毎の電力消費を予測するための人工ニューラルネットワーク(ANN)モデルを提案した。週の日,日の時間,時間毎の乾球温度,時間毎の相対湿度,時間毎の全天日射量,および以前の時間毎の電力消費を含む合計6つのパラメータを入力変数として用いた。ANNモデルは,Levenberg-Marquardt(LM)逆伝搬アルゴリズムで訓練されたフィードフォワードANNを考慮して,3つの地域に対する将来の季節的時間毎電力消費を予測するために開発された。相関係数(R2)と二乗平均二乗誤差(RMSE)計量を採用して,提案したANNモデルの精度を評価した。実際の測定とANNモデル予測の間のR2は,訓練段階で0.96と0.99の間,試験段階で0.95と0.99の間にあることを示した。それは,大学キャンパスの科学技術領域におけるRMSEが,3つの地域の中で最も大きく,続いて人間の大学地域であることを示した。Old Liberal Arts地域は最小のRMSEとその差を持っている。将来の研究として,クラススケジュールや室内人間活動などのより多くの入力変数が,それらの予測精度を改善するためにANNモデルの入力層に追加されることが示唆される。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： フィードフォワード ,  日本 ,  相関係数 ,  *電力消費 ,  *予測 ,  ニューラルネットワーク ,  全天日射
準シソーラス用語： 予測精度 ,  人間活動 ,  屋内 ,  平均二乗誤差 ,  逆伝搬アルゴリズム ,  乾球温度 ,  *神経回路網モデル ,  *大学キャンパス , 【Automatic Indexing@JST】

著者キーワード (4件)： 大学キャンパス ,  人工神経回路網 ,  毎時電力消費予測 ,  根平均二乗誤差

分類 (3件)： 太陽光発電  (NB03090G) ,  放射,大気光学  (DC05080C) ,  太陽エネルギー  (LB03030Q)

タイトルに関連する用語 (6件)： 大学キャンパス ,  季節 ,  電力消費 ,  予測 ,  人工 ,  神経回路網モデル