文献

J-GLOBAL ID：202002280819655213   整理番号：20A1006435

LMDと改良型FA最適化結合カーネル関数LSSVMに基づく短期風速予測【JST・京大機械翻訳】

Short-term wind speed prediction based on LMD and improved FA optimized combined kernel function LSSVM

著者 (1件)： Tian Zhongda (College of Information Science and Engineering, Shenyang University of Technology, Shenyang 110870, China)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 91  ページ： Null  発行年： 2020年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 風速の正確な予測は,風力発電所の運転と保全,タービンの最適スケジューリング,および送電網の安全で安定な運転にとって非常に重要である。局所平均分解(LMD)と結合カーネル関数最小二乗サポートベクトルマシン(LSSVM)に基づく短期風速の新しい予測法を提案した。短期風速時系列をLMDアルゴリズムによっていくつかの成分に分解した。LSSVMに基づいて,動径基底関数と多項式関数を用いて,結合カーネル関数を生成した。結合カーネル関数LSSVMは動径基底関数と多項式関数の利点を結合し,より良い予測精度を達成できる。分解された風速時系列は,結合カーネル関数LSSVMモデルによって別々に予測される。同時に,改良ホタルアルゴリズムを提案して,結合カーネル関数LSSVMのパラメータを最適化した。最終予測値は,各結合カーネル関数LSSVM予測モデルの予測値を重ね合わせることによって得ることができる。実際に収集した短期風速データを研究対象として選び,4つの予測層によるシミュレーション実験を実施した。最先端の予測方法と比較して,予測と実際の風速の間の比較結果曲線を通して,予測誤差分布の箱プロット結果,相対予測誤差の比較結果,性能指標,ピアソンの試験,DM試験,およびTaylor図表結果は,提案した予測方法がより高い予測精度を有し,風速の法則を正しく反映できることを示した。さらに,4つの新しいデータセットのシミュレーション結果とトレーニングセットの入力データにノイズを加えることは,提案した予測方法が強いロバスト性を有することを示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  アルゴリズム ,  *最適化 ,  雑音 ,  多項式 ,  計算機シミュレーション ,  *風速 ,  送電系統 ,  タービン ,  ロバスト性 ,  動径基底関数 ,  予測誤差 ,  予測モデル
準シソーラス用語： 予測精度 ,  *Kernel関数 ,  最小二乗-サポートベクトルマシン , 【Automatic Indexing@JST】

著者キーワード (5件)： 風速予測 ,  局所平均分解 ,  カーネル関数 ,  LSSVM ,  ホタルアルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： FA ,  最適化 ,  カーネル関数 ,  短期 ,  風速予測