文献

J-GLOBAL ID：202202279215915271   整理番号：22A0691411

短期エネルギー消費予測のためのアンサンブル学習アプローチ【JST・京大機械翻訳】

Ensemble Learning Approach for Short-term Energy Consumption Prediction

著者 (4件)： Reddy A Sujan (National Institute of Technology Surathkal,Karnataka, IN) ,  Akashdeep (National Institute of Technology Surathkal,Karnataka, IN) ,  Harshvardhan (National Institute Of Technology Karnataka, Surathkal, IN) ,  Kamath S Sowmya (National Institute Of Technology Karnataka, Surathkal, IN)
資料名： ACM Proceedings  (ACM Proceedings)
号： CODS-COMAD 2022  ページ： 284-285  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： 電力消費を正確に予測することは,効果的な資源管理のためのエネルギー消費への洞察と潜在的傾向を警告するために重要である。使用パターンにおける線形性/非線形性のため,電力消費予測は挑戦的であり,単一モデルを用いて適切に解決できない。本論文では,オープンデータセットにおける短期電力消費のためのアンサンブル学習ベースアプローチを提案した。アンサンブルモデルを,教師つき機械学習と深層学習ベースモデルの組合せ予測に構築した。実験検証は,提案したアンサンブルモデルが,最先端技術と比較して,10に近い因子によって,アンサンブルの第二層の訓練時間をより正確で,減少させることを示した。歴史的ウィンドウの同じサイズに対して,二乗平均平方根誤差の約34%の減少を観測した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  電力消費 ,  線形性 ,  非線形性 ,  モデル ,  *集合 ,  エネルギー消費 ,  効果 ,  機械学習 ,  資源管理
準シソーラス用語： *アンサンブル学習 ,  実験検証 ,  深層学習 ,  オープンデータ ,  アンサンブル・シミュレーション , 【Automatic Indexing@JST】

著者キーワード (4件)： エネルギー予測 ,  アンサンブル学習 ,  機械学習 ,  予測解析

分類 (3件)： エネルギー消費・省エネルギー  (LD01000B) ,  人工知能  (JE08000Z) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (4件)： 短期 ,  エネルギー消費 ,  予測 ,  アンサンブル学習