文献

J-GLOBAL ID：202202258762283683   整理番号：22A0989994

原子力限界学習機を用いた短期水需要予測モデル【JST・京大機械翻訳】

Short-term water demand prediction model using kernel-based extreme learning machine

著者 (3件)： Han Hongquan (北京工業大学 城市建設学部,北京100124) ,  Wu Shan (北京工業大学 城市建設学部,北京100124) ,  Hou Benwei (北京工業大学 城市建設学部,北京100124)
資料名： Harbin Gongye Daxue Xuebao  (Harbin Gongye Daxue Xuebao)
巻： 54  号： 2  ページ： 17-24  発行年： 2022年 
JST資料番号： W1450A  ISSN： 0367-6234  CODEN： HPKYAY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 給水システムの日常管理の短期水需要予測の需要を満たすため、所要訓練時間の短い核極限学習機械モデル(kernel-basedextremelearningmachine,KELM)を確立した。リフティング予測精度の観点から,フーリエ級数を理論的基礎とした残差修正モジュール(Fourierse-ries,FS)を構築し,このモジュールを用いて初期予測値と観測値の間の差をモデリングし,初期予測値の残差補正を完成した。このモジュールをKELMモデルに重ねて組み合わせ予測モデル(KELM+FS)を形成した。モデルの性能テストを実際のデータによって実施した。KELMモデルは,人工神経回路網モデル,サポートベクトル回帰モデルと類似した予測精度を生み出したが,予測時間は,平均の5%であった。結合モデルKELM+FSは,予測時間を増加せずに,KELMモデルと比較して,約12%増加した。短期水需要予測に用いるとき,単一モデルKELMと組合せモデルKELM+FSは,効果的に予測効率を改善することができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 回帰分析 ,  *学習 ,  *予測 ,  ニューラルネットワーク ,  学習機械 ,  残差 ,  精度 ,  *水需要 ,  Fourier級数 ,  *需要予測 ,  *モデル ,  数値 ,  測定データ ,  結合モデル ,  *予測モデル
準シソーラス用語： 予測精度 ,  予測値 ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

分類 (2件)： 数値計算  (JE02000J) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 原子力 ,  限界 ,  学習 ,  短期 ,  水需要 ,  予測モデル