自己回帰モデルを用いた時系列分割を用いた日先予測【JST・京大機械翻訳】

Kiplangat Dennis Cheruiyot; Drisya G. V.; Kumar K. Satheesh

プレプリント

J-GLOBAL ID：202202217887018980 整理番号：22P0311560

自己回帰モデルを用いた時系列分割を用いた日先予測【JST・京大機械翻訳】

Day-ahead prediction using time series partitioning with Auto-Regressive model

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月23日プレプリントサーバーでの情報更新日： 2022年03月23日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

風速予測は,風力と分布の発生における大きな利点のために,研究者から最近,多くの注目を受けてきた。最大の課題は,ウィンドファームの効率的運転のための風速の正確な予測である。風速予測は,その根底にある動力学を理解することによって大いに改善できる。本論文では,元の10分の風速データが,1日10分観測の144の日数を示す2次元配列(N_x144)に変換される時系列分割法を提案した。成功した時系列分割で,点予測を,(N+1)日予報を与えるため一緒に組み合わせる自己回帰(AR)プロセスを用いて,10分風速観測から抽出した144データセットの各々に対して計算した。計算の結果は,ARモデルが時系列分割と結合したとき,予測精度の著しい改善を示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , 【Automatic Indexing@JST】

風力エネルギー , 風力発電

, ,

前のページに戻る