文献

J-GLOBAL ID：202202232162534118   整理番号：22A0287778

太陽放射照度予測のための自動化ディープCNN-LSTMアーキテクチャ設計【JST・京大機械翻訳】

Automated Deep CNN-LSTM Architecture Design for Solar Irradiance Forecasting

著者 (5件)： Jalali Seyed Mohammad Jafar (Institute for Intelligent Systems Research and Innovation, Deakin University, Waurn Ponds, VIC, Australia) ,  Ahmadian Sajad (Faculty of Information Technology, Kermanshah University of Technology, Kermanshah, Iran) ,  Kavousi-Fard Abdollah (Department of Electrical and Electronics Engineering, Shiraz University of Technology, Shiraz, Iran) ,  Khosravi Abbas (Institute for Intelligent Systems Research and Innovation, Deakin University, Waurn Ponds, VIC, Australia) ,  Nahavandi Saeid (Institute for Intelligent Systems Research and Innovation, Deakin University, Waurn Ponds, VIC, Australia)
資料名： IEEE Transactions on Systems, Man, and Cybernetics: Systems  (IEEE Transactions on Systems, Man, and Cybernetics: Systems)
巻： 52  号： 1  ページ： 54-65  発行年： 2022年 
JST資料番号： C0425D  ISSN： 2168-2216  CODEN： ITSMFE  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： 太陽エネルギーの正確な予測は,エネルギーオークション産業とコスト効率の高い資源計画への早期参加を可能にするための太陽光発電プラントにとって重要な問題である。本論文は,グローバル水平放射照度(GHI)の予測性能を改良するために,新しい深い学習ベースの多段階先行方式を導入した。GHIの正確な予測のための最適な特徴を抽出するために,深い畳込み長短期メモリを用いた。このような深いニューラルネットワークの性能は,それらのアーキテクチャに直接依存する。この問題に対処するため,正弦-余弦アルゴリズムと呼ばれるスウォーム進化最適化法を適用し,ネットワークアーキテクチャを自動的に最適化する。3相修正モデルを提案し,個体群の多様性を増加させ,最適化機構における早熟収束を避けた。提案した方法の性能を,米国東部の3つの太陽ステーションから収集した3つのデータセットを用いて調べた。実験結果は,他の予測モデルと比較して提案した方法の優位性を実証した。Copyright 2022 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： アルゴリズム ,  記憶装置 ,  最適化 ,  収束 ,  *太陽 ,  畳込み ,  *自動化 ,  学習 ,  ニューラルネットワーク ,  太陽光発電 ,  スウォーム ,  *放射照度 ,  *計算機アーキテクチャ ,  思春期早発症 ,  予測モデル

分類 (2件)： その他のオペレーションズリサーチの手法  (KA03070E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 太陽放射照度 ,  予測 ,  自動化 ,  CNN ,  LSTM ,  アーキテクチャ設計