文献

J-GLOBAL ID：201902289653943425   整理番号：19A2025572

FOGコンピューティング環境におけるARMAとXGBoostの利点の組合せによる短期電力需要の予測【JST・京大機械翻訳】

Predicting Short-Term Electricity Demand by Combining the Advantages of ARMA and XGBoost in Fog Computing Environment

著者 (4件)： Li Chuanbin (School of Software, Central South University, Changsha 410075, China) ,  Zheng Xiaosen (School of Software, Central South University, Changsha 410075, China) ,  Yang Zikun (School of Software, Central South University, Changsha 410075, China) ,  Kuang Li (School of Software, Central South University, Changsha 410075, China)
資料名： Wireless Communications & Mobile Computing  (Wireless Communications & Mobile Computing)
巻： 2018  ページ： Null  発行年： 2018年 
JST資料番号： W1338A  ISSN： 1530-8669  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： IoTの急速な発展により,クラウドフレームワークの欠点が,高い待ち時間,ネットワーク輻輳,および低い信頼性のように,暴露された。したがって,クラウドコンピューティングフレームワークは,クラウドとターミナルの間の拡張されたFog層によって出現した。電力需要に関するリアルタイム予測を扱うために,著者らは,Fogコンピューティング環境におけるXGBoostとARMAに基づく方式を提案した。Fogコンピューティングフレームワークの利点を取り入れることによって,著者らは最初に,企業利用者をそれらの総電力消費に基づいていくつかのカテゴリに分割するためにプロトタイプベースのクラスタリングアルゴリズムを提案した。次に,電力消費のユーザの歴史的記録を分析し,最も重要な特徴を同定することにより,モデル選択手法を提案した。一般的に言えば,歴史的記録が定常性と白色雑音の試験を通過するならば,ARMAは時間シーケンスにおけるユーザの電力消費をモデル化するために使用される。そうでなければ,歴史的記録が試験を通過しないならば,いくつかの離散的特徴が気象のような最も重要であり,それが週末であるかどうかにかかわらず,XGブーストが使用される。実験結果は,ARMAとXGブーストの利点を結合することによる著者らの提案した方式が,古典的モデルより正確であることを示した。Copyright 2018 Chuanbin Li et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデリング ,  高速度 ,  *予測 ,  電力消費 ,  *電力需要 ,  白色雑音 ,  プロトタイプ ,  待ち時間 ,  信頼性 ,  *ARMAモデル
準シソーラス用語： 定常性 ,  クラスタリングアルゴリズム ,  実時間 ,  クラウドコンピューティング ,  モノのインターネット , 【Automatic Indexing@JST】

分類 (2件)： 無線通信一般  (ND08010L) ,  移動通信  (ND08030H)

引用文献 (50件)：

• L. Qi, X. Zhang, W. Dou, Q. Ni, "A distributed locality-sensitive hashing-based approach for cloud service recommendation from multi-source data," IEEE Journal on Selected Areas in Communications, vol. 35, no. 11, pp. 2616-2624, 2017.
• L. Qi, X. Xu, X. Zhang et al., "Structural balance theory-based e-commerce recommendation over big rating data," IEEE Transactions on Big Data, 2016.
• I. Stojmenovic, S. Wen, "The fog computing paradigm: scenarios and security issues," Proceedings of the Federated Conference on Computer Science and Information Systems (FedCSIS '14), pp. 1-8, IEEE, Warsaw, Poland, September 2014.
• F. Bonomi, R. Milito, P. Natarajan, J. Zhu, "Fog computing: A platform for internet of things and analytics," Studies in Computational Intelligence, vol. 546, pp. 169-186, 2014.
• R. Mahmud, R. Kotagiri, R. Buyya, "Fog Computing: A Taxonomy, Survey and Future Directions," Internet of Everything of Internet of Things, pp. 103-130, Springer Singapore, Singapore, 2018.

タイトルに関連する用語 (9件)： FOG ,  コンピューティング ,  環境 ,  ARMA ,  利点 ,  組合せ ,  短期 ,  電力需要 ,  予測