文献

J-GLOBAL ID：202202263706928237   整理番号：22A0707550

1ステップ前方太陽放射照度を予測するための種々の最適化器ベースゲートリカレントユニットネットワーク【JST・京大機械翻訳】

Different Optimizers-Based Gated Recurrent Unit Network to Forecast One Step Ahead Solar Irradiance

著者 (3件)： Singla Pardeep (Deenbandhu Chhotu Ram University of Science and Technology, Murthal, Haryana, India) ,  Duhan Manoj (Deenbandhu Chhotu Ram University of Science and Technology, Murthal, Haryana, India) ,  Saroha Sumit (Guru Jambheshwar University of Science and Technology, Hisar, Haryana, India)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 812  ページ： 105-114  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
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： 気候と天候の変数と確率的挙動によって,太陽相互接続グリッドは,不均衡な運用,計画,および管理のため故障する傾向がある。したがって,正確で正確な太陽放射照度予測は,グリッド相互接続太陽システムにおける重要課題の1つになる。本研究は,異なる最適化器に基づくゲート型リカレントユニット(GRU)深層学習ネットワークを用いた太陽予測モデルの開発に特化した。3つの最適化者:運動量による適応モーメント推定(ADAM),運動量による確率的勾配降下(SGDM),および二乗平均平方根伝播(RMSprop)をGRU予測器を用いて研究に用いて,1段階先行太陽地球水平放射照度(GHI)を予測した。開発したモデルをインドの場所の1年間のデータセット:Ahmadabad,Gujaratで訓練した。一方,毎月の予測は,議論された最適化者のために訓練されたモデルを用いて実行される。すべてのモデルの性能を観察するために,二乗平均平方根誤差(RMSE)と平均絶対百分率誤差(MAPE)を用いた。さらに,開発したモデルを,ベースラインモデルとして考慮したナイーブモデルと比較した。研究の結果は,ADAM-GRUモデルがSGDM-GRU,RMSprop-GRU,およびベースラインモデルより優れていることを示した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 ,  故障 ,  *ネットワーク ,  地球 ,  相互接続 ,  気候 ,  変数 ,  モデル ,  実効値 ,  モーメント ,  *放射照度 ,  予測モデル
準シソーラス用語： 天候 ,  *太陽放射照度 , 【Automatic Indexing@JST】

著者キーワード (6件)： ゲート付きリカレントユニット(GRU) ,  太陽予測 ,  運動量による適応モーメント推定 ,  運動量による確率勾配降下 ,  および根平均二乗伝搬 ,  晴天指数(CSI)

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

タイトルに関連する用語 (3件)： 太陽放射照度 ,  予測 ,  最適化