文献

J-GLOBAL ID：202002295122214841   整理番号：20A0950601

アンサンブル学習ベースモデルを用いた風力予測【JST・京大機械翻訳】

Wind Power Prediction Using Ensemble Learning-Based Models

著者 (4件)： Lee Junho (Statistics Program, Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia) ,  Wang Wu (Statistics Program, Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia) ,  Harrou Fouzi (Statistics Program, Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia) ,  Sun Ying (Statistics Program, Computer, Electrical and Mathematical Sciences and Engineering (CEMSE) Division, King Abdullah University of Science and Technology (KAUST), Thuwal, Saudi Arabia)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 61517-61527  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 風力発電は最も可能性のあるエネルギーの一つであり,主要な利用可能な再生エネルギー源である。風力発電を正確に予測することは,スマートグリッドにおける風力発電の管理と統合に不可欠である。本研究の目的は,風力発電の時間依存性を考慮したアンサンブル学習に基づく方法を用いて,種々の因子に基づいて十分な精度で風力発電を予測することである。基本的に,アンサンブル学習法は,従来のスタンドアロン学習者と比較して,強化された予測性能を得るために複数の学習者を結合する。加えて,それらは全体の予測誤差を減少させて,様々なモデルを融合する能力を持っている。最初に,本論文では,風力予測のために,良く知られたアンサンブルアプローチBoosted Trees,ランダムフォレスト,および一般化ランダムフォレストの予測能力を研究した。著者らは,これらのアンサンブルモデルの予測性能を,2つの頻繁に使用されている予測方法:Gaussプロセス回帰,およびサポートベクトル回帰と比較した。フランスとトルコに位置する実際の風力タービンから10分毎に記録した実験測定を用いて,研究したモデルの予測効率を試験した。実験結果は,アンサンブル法が,スタンドアロンモデルに比べて高い精度で風力発電を予測できることを示した。さらに,これらの知見は,遅れた変数がアンサンブルモデルに有意に寄与し,より類似したモデルを構築することを可能にすることを明らかにした。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： 予測技法 ,  風力発電 ,  トルコ共和国 ,  フランス共和国 ,  Gauss過程 ,  時間依存性 ,  風車 ,  *風力 ,  予測誤差 ,  スマートグリッド
準シソーラス用語： ランダムフォレスト ,  予測能力 ,  サポートベクトル回帰 ,  再生可能エネルギー源 ,  アンサンブル法 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： アンサンブル学習 ,  モデル ,  風力 ,  予測