文献

J-GLOBAL ID：201802238680101867   整理番号：18A1712794

風速予測のための差分および分解前処理法の解析【JST・京大機械翻訳】

Analysis of differencing and decomposition preprocessing methods for wind speed prediction

著者 (3件)： Bokde Neeraj (Department of Electronics and Communication Engineering, Visvesvaraya National Institute of Technology, Nagpur, India) ,  Feijoo Andres (Departamento de Enxeneria Electrica-Universidade de Vigo, Campus de Lagoas-Marcosende, 36310 Vigo, Spain) ,  Kulat Kishore (Department of Electronics and Communication Engineering, Visvesvaraya National Institute of Technology, Nagpur, India)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 71  ページ： 926-938  発行年： 2018年 
JST資料番号： W2175A  ISSN： 1568-4946  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： 前処理法は有意な方法で予測精度を改善する。一般に,それらはデータ系列の平均と分散を安定化し,不規則性を除去する。本論文において,これらの方法の2つを用いて,パターン配列ベース予測(PSF)アルゴリズムにおいて比較した。これらの前処理法は差分と分解原理に基づいている。分解アプローチにおいて,アンサンブル経験モード分解パターン配列ベース予測(EEMD-PSF)モデルを用いた。それは,データをサブシリーズの有限数に分解し,PSF法の性能を改善する。差分パターン系列ベース予測(DPSF)法において,傾向,季節性,および不規則性成分の影響をある程度減少させ,それらの結果を異なるパターンを有する異なるデータセットに関してテストした。これらの前処理法の効果を,スペイン,Galicia,スペイン,国立再生エネルギー研究所(NREL)の自律地域で収集した風速データセットに対するPSF法の影響と比較し,予測精度に関して,両方法は単一PSF,ARIMA,LSSVM法を含む最新の方法よりも優れていた。計算時間消費に関して,DPSF法はEEMD-PSFモデルの結果を上回った。シミュレーションは,前処理とPSF法のハイブリッド化が,短期風速予測のための他の最先端の方法を著しく上回ることを明らかにした。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： 再生エネルギー ,  *予測 ,  ハイブリッド方式 ,  スペイン ,  *前処理 ,  *風速 ,  アルゴリズム
準シソーラス用語： ハイブリッドモデル ,  最先端 ,  ARIMAモデル ,  自律性 ,  モード分解 ,  不規則性 ,  予測精度 ,  *風速予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 時系列 ,  予測 ,  風速 ,  再生可能エネルギー ,  前処理 ,  ハイブリッドモデル

分類 (2件)： 局地循環,気流  (DC05090N) ,  風力発電  (NB03120Q)

タイトルに関連する用語 (5件)： 風速予測 ,  差分 ,  分解 ,  前処理 ,  解析