文献

J-GLOBAL ID：202002225259364194   整理番号：20A2260599

長期短期メモリネットワーク(LSTM)を用いた風速予測と可視化【JST・京大機械翻訳】

Wind Speed Prediction and Visualization Using Long Short-Term Memory Networks (LSTM)

著者 (4件)： Ehsan Md Amimul (Univ. of the District of Columbia,Dept. of Electrical and Computer Eng.,Washington,D.C.,USA) ,  Shahirinia Amir (Univ. of the District of Columbia,Dept. of Electrical and Computer Eng.,Washington,D.C.,USA) ,  Zhang Nian (Univ. of the District of Columbia,Dept. of Electrical and Computer Eng.,Washington,D.C.,USA) ,  Oladunni Timothy (Univ. of the District of Columbia,Dept. of Computer Science & Information technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIST  ページ： 234-240  発行年： 2020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： 気候変動は今世紀の最も重要な問題の1つである。発電からの排出は次のレベルへの懸念を駆動する重要な因子である。再生可能エネルギー源は広く普及し,世界的に利用可能であるが,主要な課題の一つは,より有益な方法でそれらの特性を理解することである。本論文は,ウィンドファーム計画と実現可能性研究を単純化する風速の予測を提案した。12の人工知能アルゴリズムを,収集した気象パラメータからの風速予測のために使用した。モデル性能を比較し,風速予測精度を決定した。結果は,深い学習アプローチを示し,長い短期メモリ(LSTM)は,97.8%の最も高い精度で他のモデルより優れている。Copyright 2020 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： アルゴリズム ,  *記憶装置 ,  *風速 ,  学習 ,  簡素化 ,  *可視化 ,  気候変動 ,  人工知能 ,  実用化試験 ,  ウインドファーム
準シソーラス用語： 再生可能エネルギー源 ,  気象パラメータ ,  *風速予測 ,  長短期記憶 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 長期 ,  短期 ,  LSTM ,  風速予測 ,  可視化