文献

J-GLOBAL ID：201802242012342329   整理番号：18A0526354

EWT分解,GWO進化的最適化,RELM学習とIEWT再構成を用いたスマート風速予測【Powered by NICT】

Smart wind speed forecasting using EWT decomposition, GWO evolutionary optimization, RELM learning and IEWT reconstruction

著者 (3件)： Liu Hui (Institute of Artificial Intelligence and Robotics (IAIR), Key Laboratory of Traffic Safety on Track of Ministry of Education, School of Traffic and Transportation Engineering, Central South University, Changsha 410075, Hunan, China) ,  Wu Haiping (Institute of Artificial Intelligence and Robotics (IAIR), Key Laboratory of Traffic Safety on Track of Ministry of Education, School of Traffic and Transportation Engineering, Central South University, Changsha 410075, Hunan, China) ,  Li Yanfei (Institute of Artificial Intelligence and Robotics (IAIR), Key Laboratory of Traffic Safety on Track of Ministry of Education, School of Traffic and Transportation Engineering, Central South University, Changsha 410075, Hunan, China)
資料名： Energy Conversion and Management  (Energy Conversion and Management)
巻： 161  ページ： 266-283  発行年： 2018年 
JST資料番号： A0552A  ISSN： 0196-8904  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： 風速の高精度予測は,風力発電開発のための非常に重要である。本研究では,新しいハイブリッドモデルを提示するが,それはEWT(経験的ウェーブレット変換)分解,GWO(灰色オオカミ最適化)アルゴリズム,RELM(正則化極度学習機械)ネットワークとIEWT(逆経験的ウェーブレット変換)再構成を組み合わせたものである。提案した構造では,高精度風速予測を実現するために,ハイブリッドモデリング戦略は,として使用されてきた:EWTを採用して適応的に生系列を分解いくつかの風速亜にすることである;GWOにより最適化RELMネットワークは各サブ時系列を予測するために採用した;予測計算の終わりに,IEWTである予想外の予測値を避けるために予測結果を再構成した。提案したモデルの性能を評価するために,四予測実験の場合に実装した十一モデル。四メトリックスの実験結果は以下のことを示した:(1)IEWTは予測の精度と安定性を改善するのに有効である(2)GWOは提案したハイブリッドEWT RELM IEWT構造の予測性能を著しく改善する(3)RELMネットワークの性能は,提案したハイブリッドEWT GWO IEWT構造におけるSVM(サポートベクトルマシン)のものより良い;(4)予測モデルでは,提案したハイブリッドモデルは最良の多段階予測性能を持っている。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： サポートベクトルマシン ,  *学習 ,  風力発電 ,  学習機械 ,  *風速 ,  モデル ,  *予測 ,  *再構成 ,  アルゴリズム ,  *最適化 ,  ネットワーク ,  ウェーブレット変換
準シソーラス用語： 予測性能 ,  ハイブリッドモデル ,  *風速予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 風速予測 ,  ハイブリッドモデル ,  経験的ウェーブレット変換 ,  正則化エクストリーム学習機械 ,  灰色オオカミオプティマイザ ,  逆経験的ウェーブレット変換

分類 (2件)： 風力エネルギー  (LB03060X) ,  風力発電  (NB03120Q)

タイトルに関連する用語 (5件)： 分解 ,  進化的最適化 ,  学習 ,  再構成 ,  風速予測