文献

J-GLOBAL ID：202102278815891806   整理番号：21A0495822

データマイニングアルゴリズムに基づくDHCシステムの負荷時系列予測方法【JST・京大機械翻訳】

Load Estimation for the DHC System Based on Data Mining and Time-Series Techniques

著者 (5件)： Jiao Liangzhen (武漢科技大学 建筑与土木工程学院,武漢 430065) ,  Chen Haisheng (武漢科技大学 建筑与土木工程学院,武漢 430065) ,  Gao Ge (中電光谷建筑設計院有限公司,武漢 430072) ,  Li Guannan (武漢科技大学 建筑与土木工程学院,武漢 430065) ,  Hu Yunpeng (武漢商学院,武漢 430056)
資料名： Jianzhu Jieneng  (Jianzhu Jieneng)
巻： 48  号： 11  ページ： 38-44  発行年： 2020年 
JST資料番号： C4207A  ISSN： 1673-7237  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 地域暖房システム(DHC)負荷予測の精度は,システム設計と運転の省エネルギーを実現するための重要な要素である。ある地域のエネルギーステーションの実測データに基づき、多重線形回帰(MLR)、分類と回帰ツリー(CART)とランダムフォレスト(RF)の3種類のデータマイニングアルゴリズムを採用して、それぞれシステム負荷時系列予測モデルを樹立した。負荷予測結果および予測効率を,異なる時系列変数の下で比較した。結果は以下を示した。ランダム森林モデルの予測は,異なる時系列変数の影響の下で最も良かった。予測精度のみを考慮した場合,負荷の時系列変数の組合せ次元が複雑になるほど,予測精度が高くなり,予測効率が低くなる。予測精度と予測効率を同時に考慮した場合、時系列変数に屋外乾燥球温度、屋外相対湿度、負荷(t-1)と負荷(t-2)の組合せ2を用いた場合、ランダム森林モデルの総合性能が最も良かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  システム設計 ,  相対湿度 ,  地域暖房 ,  負荷予測 ,  省エネルギー ,  *データマイニング
準シソーラス用語： *時系列予測 ,  予測精度 ,  ランダムフォレスト ,  多重線形回帰 , 【Automatic Indexing@JST】

分類 (1件)： 電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (1件)： 時系列予測