文献

J-GLOBAL ID：202202231692616448   整理番号：22A0922634

数値天気予報を補正するための新しいハイブリッド深層学習アルゴリズムを用いた短期風速予測法【JST・京大機械翻訳】

A short-term wind speed prediction method utilizing novel hybrid deep learning algorithms to correct numerical weather forecasting

著者 (7件)： Han Yan (School of Civil Engineering, Changsha University of Science and Technology, Changsha 410083, China) ,  Mi Lihua (School of Civil Engineering, Changsha University of Science and Technology, Changsha 410083, China) ,  Shen Lian (School of Civil Engineering, Changsha University, Changsha 410083, China) ,  Cai C.S. (Department of Bridge Engineering, School of Transportation, Southeast University, Nanjing, 211189, China) ,  Liu Yuchen (School of Civil Engineering, Changsha University of Science and Technology, Changsha 410083, China) ,  Li Kai (School of Civil Engineering, Changsha University of Science and Technology, Changsha 410083, China) ,  Xu Guoji (Department of Bridge Engineering, Southwest Jiaotong University, Chengdu 610065, China)
資料名： Applied Energy  (Applied Energy)
巻： 312  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  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： 風速予測の精度は,合理的に送電網システムの運転と配分のために非常に重要である。しかし,風速はランダムであり,風速予測の精度は常に不満足である。さらに,時間と周波数領域における他の気象変数と風速の間の結合関係は,ほとんど研究されていない。続いて,気象研究と予測(WRF)シミュレーションに基づくハイブリッド風速予測モデルを,注意機構と格子探索アルゴリズムによって最適化した多変量データ分解法と深層学習アルゴリズムに従って提案する。最初に,WRFシミュレーションを,予測風速を得るために利用し,また,他の気象変数を,WRF異なる領域から抽出した。さらに,ナシソン相関係数(PCC)法を用いて,入力系列として主要な気象変数を選択した。さらに,適応雑音(CEEMDAN)法による完全アンサンブル経験的モード分解により,入力系列と履歴データを各固有モード関数(IMF)に分解した。次に,注意機構(AM)とグリッド探索法(GS)によって最適化した畳込みニューラルネットワーク(CNN)と双方向長短期メモリネットワーク(BLSTM)を組み合わせた新しいハイブリッド深層学習モデルを提案し,WRF最内部ドメインから風速を補正し,風速を補正した。最後に,検証事例研究を行い,提案モデルの有効性を検証した。結果は,提案モデルが,単一ステップおよび多段階風速予測に関して,他の比較モデルより優れていることを示した。特に,平均絶対誤差(MAE),平均絶対百分率誤差(MAPE),および二乗平均平方根誤差(RMSE)の値は,補正後,それぞれ0.1042m/s,4.63%および0.1309m/sであり,補正なしのものと比較して,それぞれ94.13%,91.75%および93.93%減少した。Copyright 2022 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： 最適化 ,  雑音 ,  シミュレーション ,  *風速 ,  気象 ,  送電系統 ,  相関係数 ,  モデル ,  事例研究 ,  検証 ,  *学習アルゴリズム ,  予測モデル
準シソーラス用語： 気象変数 ,  *深層学習 ,  *風速予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： 風速予測 ,  修正数値天気予報 ,  畳込みニューラルネットワーク ,  双方向長期記憶 ,  注意機構

分類 (1件)： 風力エネルギー  (LB03060X)

タイトルに関連する用語 (5件)： 数値天気予報 ,  深層学習 ,  アルゴリズム ,  短期 ,  風速予測