文献

J-GLOBAL ID：201802258162339481   整理番号：18A0936316

ローリング交差検証による自己適応型マルチバース最適化ベースサポートベクトルマシンを用いた中国におけるエネルギー消費の推定【JST・京大機械翻訳】

Estimates of energy consumption in China using a self-adaptive multi-verse optimizer-based support vector machine with rolling cross-validation

著者 (4件)： Wang Xiaoyu (School of Business Administration, China University of Petroleum (Beijing), No.18, Fuxue Road, Changping District, Beijing 102249, China) ,  Luo Dongkun (School of Business Administration, China University of Petroleum (Beijing), No.18, Fuxue Road, Changping District, Beijing 102249, China) ,  Zhao Xu (School of Business Administration, China University of Petroleum (Beijing), No.18, Fuxue Road, Changping District, Beijing 102249, China) ,  Sun Zhu (School of Business Administration, China University of Petroleum (Beijing), No.18, Fuxue Road, Changping District, Beijing 102249, China)
資料名： Energy  (Energy)
巻： 152  ページ： 539-548  発行年： 2018年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  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： 一次エネルギーは,中国の社会経済発展において重要な役割を果たし,正確なエネルギー消費予測は,政府がエネルギー政策を定式化するのを助けることができる。これを行うために,本研究では,サポートベクトルマシン(SVM)のパラメータを最適化するために自己適応多重逆最適化(AMVO)を適用することを目的とした。それは,独立変数が一人当たりの総国内製品(GDP),人口,都市化率,GDPにおける産業のシェア,および一次エネルギー消費の石炭のシェアである中国の一次エネルギー消費を予測するために,圧延交差検証方式を採用する。結果は,ハイブリッドAMVO-SVMモデルが他のモデルより高い精度を持つことを示した。最後に,著者らはハイブリッドAMVO-SVMモデルを適用して,5つのシナリオにおける2017年と2030年の間の中国のエネルギー消費を予測した。基準シナリオにおいて,中国の一次エネルギー消費は,2020年に4839.3Mtce,2030年に5656.2Mtceに達した。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： エネルギー政策 ,  *中華人民共和国 ,  予測 ,  *サポートベクトルマシン ,  石炭 ,  都市化 ,  圧延 ,  一次エネルギー ,  モデル ,  *エネルギー消費 ,  *最適化 ,  定式化 ,  経済開発
準シソーラス用語： 逆最適化 ,  *自己適応 , 【Automatic Indexing@JST】

著者キーワード (5件)： 中国のエネルギー消費予測 ,  自己適応 ,  マルチバース最適化装置 ,  サポートベクトルマシン ,  圧延交差検証

分類 (2件)： エネルギーに関する技術・経済問題  (LA01050V) ,  エネルギー資源及び開発  (LB01000V)

タイトルに関連する用語 (11件)： ローリング ,  交差 ,  検証 ,  自己適応 ,  マルチ ,  バース ,  最適化 ,  サポートベクトルマシン ,  中国 ,  エネルギー消費 ,  推定