文献

J-GLOBAL ID：201802269497945725   整理番号：18A0707579

自己回帰統合移動平均モデルと隠れMarkovモデルを用いた短期確率負荷予測【JST・京大機械翻訳】

Short-term stochastic load forecasting using autoregressive integrated moving average models and Hidden Markov Model

著者 (3件)： Hermias Jeffrel P. (Electronics, Communications and Computer Engineering Department, School of Science and Engineering, Ateneo de Manila University, Katipunan Ave., Loyola Heights, Quezon City, Philippines) ,  Teknomo Kardi (Information Systems & Computer Science Department, School of Science and Engineering, Ateneo de Manila University, Katipunan Ave., Loyola Heights, Quezon City, Philippines) ,  Monje Jose Claro N. (Electronics, Communications and Computer Engineering Department School of Science and Engineering, Ateneo de Manila University, Katipunan Ave., Loyola Heights, Quezon City, Philippines)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICICT  ページ： 131-137  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 負荷予測,特に短期負荷予測(STLF)は,電力系統の経済ストリーミングと追跡において重要な役割を果たす。正確な(より少ない誤差)短期負荷予測を得るために,多くの確率的および人工知能技術が使われている。ここでは,従来の隠れMarkovモデル(HMM)を用いた短期負荷予測(STLF)への新しいアプローチを導入し,次にそれを自己回帰統合移動平均(ARIMA)モデルと比較した。この実験では,三次元連続多変量Gauss放出確率を用いた。一方,ARIMAモデルに対して,異なるパラメータを異なる種類のデータセットに対して用いた。その後,MAPEとRMSEを用いて実際の負荷値に対して比較を行った。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： ストリーミング ,  三次元 ,  *負荷予測 ,  電力系統 ,  *隠れMarkovモデル ,  *モデル ,  人工知能
準シソーラス用語： 多変量 ,  ARIMAモデル ,  *自己回帰 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (7件)： 自己回帰 ,  統合 ,  モデル ,  隠れMarkovモデル ,  短期 ,  確率 ,  負荷予測