文献

J-GLOBAL ID：202002278140411925   整理番号：20A2770238

正味表面太陽放射予測におけるアンサンブル経験的モード分解アルゴリズムと逆伝搬ニューラルネットワークの採用【JST・京大機械翻訳】

Adoption of Ensemble Empirical Mode Decomposition Algorithm and Back Propagation Neural Network in Net Surface Solar Radiation Prediction

著者 (6件)： Wang Yiting (College of Engineering School, Shanghai Polytechnic University, Shanghai, 201209, P. R. China) ,  Tan Wenan (College of Engineering School, Shanghai Polytechnic University, Shanghai, 201209, P. R. China) ,  Gong Yide (College of Engineering School, Shanghai Polytechnic University, Shanghai, 201209, P. R. China) ,  Guo Kai (School of Management, Henan University of Science and Technology, LuoYang, 471003, P. R. China) ,  Tang Shan (College of Engineering School, Shanghai Polytechnic University, Shanghai, 201209, P. R. China) ,  Tang Shan (Shanghai Zhi Pan Intelligent Technology Co., Ltd., Shanghai, 201209, P. R. China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1651  号： 1  ページ： 012174 (8pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  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： 正味表面太陽放射(NSSR)の予測精度(PA)を改善するために,EEMD-BPNNと名付けた正味表面日射(NSSR)予測モデルを,逆伝搬ニューラルネットワーク(BPNN)と共にアンサンブル経験的モード分解(EEMD)アルゴリズムを採用することによって提案した。本論文では,EEMDを用いて信号を抽出し,元のNSSRの時系列から物理的重要性を持つ雑音の影響を低減し,固有モード関数と異なる周波数の残差項を得た。BPNNは,モード関数の各々の構成要素のために対応する予測モデルを確立するために使用した。提案モデルを適用して,新疆,Aksu地域における毎日の全NSSRを試験した。事例研究において,平均百分率誤差(MPE),平均バイアス誤差(MBE),二乗平均平方根誤差(RMSE),および相関係数を評価指標として採用し,そして,NSSR予測のためのEEMD-BPNNの精度および適応性を,BPNNおよびH-SモデルによるEEMD-BPNNの予測結果を比較することによって解析した。結果は,EEMD-BPNNの予測値(PVs)が実際のデータに近く,BPNN(R2=0.8703)とH-Sモデル(R2=0.8373)の予測結果と比較してより良い相関係数(R2=0.915)を持ち,予測結果の誤差解析指数はすべて小さいことを示した。EEMD-BPNNのPAは明らかに改善され,EEMD-BPNNがNSSR予測において優位性を有し,NSSR予測のための新しい参照法を提供することを示した。Please refer to the publisher for the copyright holders. 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 ,  雑音 ,  *太陽放射 ,  残差 ,  相関係数 ,  日射 ,  事例研究 ,  バイアス ,  新疆ウイグル自治区 ,  予測誤差 ,  予測モデル
準シソーラス用語： 予測精度 ,  *逆伝播ニューラルネットワーク ,  評価指標 ,  固有モード関数 ,  *アンサンブル経験的モード分解 , 【Automatic Indexing@JST】

分類 (5件)： 循環系モデル  (EL02020V) ,  河川汚濁  (SB02020F) ,  天気予報  (DC05020O) ,  鉄鋼材料  (WE02000W) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (6件)： 太陽放射 ,  予測 ,  アンサンブル経験的モード分解 ,  アルゴリズム ,  逆伝搬ニューラルネットワーク ,  採用