文献

J-GLOBAL ID：202002272480396994   整理番号：20A2254196

短期負荷予測のための深層学習の利用【JST・京大機械翻訳】

Using deep learning for short-term load forecasting

著者 (2件)： Bendaoud Nadjib Mohamed Mehdi (Labged Laboratory, Department of Computer Sciences, University of Badji Mokhtar Annaba, Annaba, Algeria) ,  Farah Nadir (Labged Laboratory, Department of Computer Sciences, University of Badji Mokhtar Annaba, Annaba, Algeria)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 32  号： 18  ページ： 15029-15041  発行年： 2020年 
JST資料番号： W0703A  ISSN： 0941-0643  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： 電力は,今日利用される最も重要なエネルギー源である。それは,経済発展と社会安定性にとって不可欠であり,これは,供給と需要の間の完全なバランスを保つシステムの必要性を意味する。このタスクは,電力消費に影響を及ぼす因子の同定と,予測モデルの精度の改善に大きく依存する。本論文では,短期負荷予測(STLF)のための新しい畳込みニューラルネットワーク(CNN)を提示した。アルジェリア(北アフリカ)の電力消費に影響する異なる因子を同定し,これらの研究はモデルへの入力を決定するのに役立った。提案したCNNは,STLFに用いる従来の1次元入力とは異なり,2次元入力を用い,CNNにより与えられた結果を他の人工知能法と比較し,1分の1先と24時間先頭予測の両方に対する良好な結果を示した。Copyright Springer-Verlag London Ltd., part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電力 ,  電力消費 ,  *負荷予測 ,  アルジェリア民主人民共和国 ,  経済開発 ,  アフリカ北部 ,  人工知能 ,  二次元 ,  一次元 ,  予測モデル
準シソーラス用語： エネルギー源 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 短期負荷予測 ,  畳込みニューラルネットワーク ,  深層学習 ,  人工知能

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 短期 ,  負荷予測 ,  深層学習