文献

J-GLOBAL ID：202202258375331685   整理番号：22A1040765

変分モード分解と最適化極端学習機械に基づく超短期風速予測【JST・京大機械翻訳】

Ultra-short-term wind speed prediction based on variational mode decomposition and optimized extreme learning machine

著者 (2件)： Lian Lian (College of Information Engineering, Shenyang University of Chemical Technology, Shenyang, China) ,  He Kan (College of Information Engineering, Shenyang University of Chemical Technology, Shenyang, China)
資料名： Wind Engineering  (Wind Engineering)
巻： 46  号： 2  ページ： 556-571  発行年： 2022年 
JST資料番号： B0695B  ISSN： 0309-524X  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： 本論文の主目的は,超短期風速の予測精度を改善することである。不安定な非定常で非線形のため,超短期風速を予測することは難しい。超短期風速の不安定および非定常特性を目的として,変分モード分解アルゴリズムを導入して,超短期風速データを分解して,種々の周波数を有する一連の安定および定常成分を得た。良好な予測性能とリアルタイム性能を有する極端な学習機械を,分解部品の予測モデルとして選択した。極端な学習機械の入力重みとバイアスのランダム設定の問題を解決するために,クジラ最適化アルゴリズムを用いて,回帰性能を向上するための極端な学習機械を最適化した。開発した予測モデルの性能を,実際の超短期風速サンプルデータによって検証した。5つの予測モデルを比較モデルとして選択した。予測値と実際の値,予測誤差とそのヒストグラム分布,8つの性能指標とピアソンの試験相関係数間の比較を通して,結果は,提案した予測モデルが高い予測精度を持つことを示した。Copyright The Author(s) 2021 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 ,  *最適化 ,  *変分法 ,  *風速 ,  予測 ,  最適化手法 ,  精度 ,  相関係数 ,  短期 ,  予測誤差 ,  予測モデル
準シソーラス用語： 予測精度 ,  予測値 ,  *モード分解 ,  *風速予測 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (5件)： 超短期風速 ,  予測 ,  変分モード分解 ,  極端学習機械 ,  クジラ最適化アルゴリズム

分類 (1件)： 風力エネルギー  (LB03060X)

タイトルに関連する用語 (6件)： 変分 ,  モード分解 ,  最適化 ,  極端学習機械 ,  短期 ,  風速予測