文献

J-GLOBAL ID：202202258523889016   整理番号：22A1055528

ArcGISにおける太陽放射照度データの可視化と新しい深層ニューラルネットワーク機構に基づく予測【JST・京大機械翻訳】

Visualizing solar irradiance data in ArcGIS and forecasting based on a novel deep neural network mechanism

著者 (2件)： Brahma Banalaxmi (Department of Computer Science and Engineering, Maulana Azad National Institute of Technology, Bhopal, Madhya Pradesh, India) ,  Wadhvani Rajesh (Department of Computer Science and Engineering, Maulana Azad National Institute of Technology, Bhopal, Madhya Pradesh, India)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 7  ページ： 9015-9043  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 太陽熱発電所は,持続可能な方法で電力生産と供給のための絶えず成長している需要を管理するために大いに成長している。太陽放射照度予測は,時系列問題であり,太陽発電所の計画と設計を助けることができる。本研究は,与えられた場所の太陽放射照度の将来値を正確に予測するための深層学習予測モデルを開発した。位置は,太陽放射照度の強度を示す視覚情報の助けを借りて選択した。この視覚情報は世界規模のエネルギー資源(POWER)プロジェクトのNASA予測によって提供された。提案モデルは,時間的依存性の同定のための注意ベースLSTMネットワークと共に,太陽放射照度時系列データの内部表現の抽出のための畳み込み層を利用する。研究は,再生可能エネルギーの世界規模のエネルギー資源(POWER)プロジェクトアーカイブのNASA予測から取られた36年間,2つの位置からの太陽データセットについて行われた。種々の深層学習モデルに対する比較で実験を行った。実施した研究から,最終予報結果を決めるために,モデル,最適化器,水平線のような異なる要因の影響を分析した。提案モデルは,優れた予測性能を示す50%以上のR2スコアで行った。他の指標とともに性能評価者としてバイアスと分散について実験解析も行った。バイアスと分散成分も提案モデルの優れた性能を示した。畳み込みと注意成分は,改良一般化可能性を提供するバイアス分散機構によって,LSTMモデルの性能を強化した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *太陽 ,  畳込み ,  発電所 ,  *可視化 ,  モデル ,  太陽光発電 ,  *放射照度 ,  予測モデル
準シソーラス用語： 時系列データ ,  リカレントニューラルネットワーク ,  視覚情報 ,  太陽熱発電所 ,  *太陽放射照度 ,  深層学習 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (8件)： リカレントニューラルネットワーク ,  畳込みニューラルネットワーク ,  長期短期記憶 ,  ゲート付きリカレントユニット ,  注意機構 ,  予測 ,  Bias ,  分散

分類 (2件)： 太陽光発電  (NB03090G) ,  放射,大気光学  (DC05080C)

タイトルに関連する用語 (5件)： ArcGIS ,  太陽放射照度 ,  可視化 ,  深層ニューラルネットワーク ,  予測