文献

J-GLOBAL ID：201802292952985679   整理番号：18A1303152

高速QSTSシミュレーションのための決定木アンサンブル機械学習【JST・京大機械翻訳】

Decision tree ensemble machine learning for rapid QSTS simulations

著者 (3件)： Blakely Logan (Sandia National Laboratories, Albuquerque, NM, 87185, USA) ,  Reno Matthew J. (Sandia National Laboratories, Albuquerque, NM, 87185, USA) ,  Broderick Robert J. (Sandia National Laboratories, Albuquerque, NM, 87185, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISGT  ページ： 1-5  発行年： 2018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： 高分解能,準静的時系列(QSTS)シミュレーションは,システムの時間依存性の側面を正確にシミュレートするために,分散エネルギー資源(DER)の高い浸透を伴う現代の分布システムをモデル化するために不可欠である。現在,QSTSシミュレーションは,広範な産業採用に対して計算的に集中している。本論文では,QSTSによる年の一部をシミュレートし,決定木機械学習法,ランダムフォレストおよびブースティングアンサンブルを用いて,年間の残りに対する電圧調整器タップ変化を予測し,時間のかかる,長時間のQSTSシミュレーションの結果を正確に再現した。本研究では,QSTSシミュレーションに初めて適用された決定木アンサンブル機械学習を用いて,従来の方法よりも4x倍速い高精度QSTS結果を生成した。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： *機械学習 ,  *ディシジョンツリー ,  時間依存性 ,  モデリング ,  *高速度 ,  高分解能 ,  *シミュレーション ,  電圧調整器 ,  計算機シミュレーション
準シソーラス用語： 高精度 ,  ランダムフォレスト ,  分散エネルギー , 【Automatic Indexing@JST】

分類 (1件)： 符号理論  (ND02030R)

タイトルに関連する用語 (4件)： シミュレーション ,  決定木 ,  アンサンブル ,  機械学習