文献

J-GLOBAL ID：202002227316171808   整理番号：20A2219636

アメリカにおけるエネルギー消費予測のための季節調整法とエコー状態ネットワークに基づく組合せアプローチ【JST・京大機械翻訳】

A combination approach based on seasonal adjustment method and echo state network for energy consumption forecasting in USA

著者 (2件)： Qin Lan (School of Mathematics and Statistics, Lanzhou University, Lanzhou, China) ,  Li Weide (School of Mathematics and Statistics, Center for Data Science, Laboratory of Applied Mathematics and Complex Systems, Lanzhou University, Lanzhou, China)
資料名： Energy Efficiency  (Energy Efficiency)
巻： 13  号： 7  ページ： 1505-1524  発行年： 2020年 
JST資料番号： W4317A  ISSN： 1570-646X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： エネルギー政策を策定し,エネルギー資源を割り当てるのを助けることができるので,米国のエネルギー消費のための科学的で正確な予測モデルを構築することは極めて重要である。近年,分割統治法に基づいたますます多くのハイブリッドモデルをエネルギー消費予測に適用し,満足な結果を得た。しかし,分解方法の明白な増強効果のために,時系列に存在する季節変動に関する問題は,モデリングの前にほとんど考慮しなかった。季節性が予測の性能に実際に影響するという事実である。本論文では,季節調整法,アンサンブル経験的モード分解(EEMD),エコー状態ネットワーク(ESN),およびバッタ最適化アルゴリズム(GOA)を組み合わせたエネルギー消費のためのハイブリッド予測モデルを提案した。分割と統治のアイデアを継承する季節性調整方法は,残差サブシリーズの複雑なモデリング作業を避けるために,規則的3つの部分(季節性,傾向と残差)より,むしろ季節性サブシリーズと剰余部分シリーズを含む2つの部分に,本来の時系列を分解するために使用した。次に,モデルESNとEEMD-GOA-ESNを,それぞれ季節的サブシリーズと残りのサブシリーズをモデル化して,予測するために利用した。最後に,最終予測結果を生成するために2つの部分を要約した。化石燃料,原子力発電,および再生可能エネルギー消費の経験的研究は,提案モデルが有効性とスケーラビリティに関して他の代替ベンチマークより優れていることを示している。さらに,サンプル外挿予測は,この技術が毎月のエネルギー消費の誤差を3.3%に制限できることを示した。Copyright Springer Nature B.V. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 外挿法 ,  *ネットワーク ,  最適化手法 ,  原子力発電 ,  残差 ,  季節的変動 ,  化石燃料 ,  エネルギー消費 ,  エネルギー政策 ,  バッタ類 ,  有効性 ,  ベンチマーク ,  分割統治法 ,  予測モデル
準シソーラス用語： ハイブリッドモデル , 【Automatic Indexing@JST】

著者キーワード (5件)： エネルギー消費予測 ,  季節調整法 ,  Echo状態ネットワーク ,  アンサンブル経験的モード分解 ,  バッタ最適化アルゴリズム

分類 (2件)： 風力発電  (NB03120Q) ,  エネルギー消費・省エネルギー  (LD01000B)

タイトルに関連する用語 (7件)： アメリカ ,  エネルギー消費 ,  予測 ,  季節 ,  調整法 ,  エコー状態ネットワーク ,  組合せ