文献

J-GLOBAL ID：202202283166294441   整理番号：22A0574398

関数時系列アプローチによる確率的気候共変量による高分解能電力消費の予測【JST・京大機械翻訳】

Forecasting of high-resolution electricity consumption with stochastic climatic covariates via a functional time series approach

著者 (3件)： Chang Chih-Hao (National University of Kaohsiung, 700, Kaohsiung University Rd., Nanzih District, Kaohsiung 811, Taiwan) ,  Chen Zih-Bing (National University of Kaohsiung, 700, Kaohsiung University Rd., Nanzih District, Kaohsiung 811, Taiwan) ,  Huang Shih-Feng (National University of Kaohsiung, 700, Kaohsiung University Rd., Nanzih District, Kaohsiung 811, Taiwan)
資料名： Applied Energy  (Applied Energy)
巻： 309  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,高分解能データダイナミックスを表現するために,FARSXによって表される確率的関数共変量を有する機能的自己回帰モデルを提案した。多解像度Bスプライン基底関数の拡張と2層スパース性仮定による適応ラッソ基準のフレームワークの下でモデルパラメータを推定するために,簡単な実装手順を提案した。温和な条件下で提案した推定子の一貫性を導いた。推定手順の有効性は,機能的共変量の確率的効果をタイムリーに捕捉し,予測精度を高めるために,回転ウィンドウフレームワークの下で時変パラメータを有するFARSXモデルをさらに構築することを可能にする。経験的研究において,時変パラメータによるFARSX法をベルギーと米国の高分解能電力消費と日内温度に適用した。研究結果は,時変パラメータを有するFARSXモデルがいくつかの既存のモデルより信頼できる日先予測を提供することを明らかにした。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *電力消費 ,  *気候 ,  ベルギー王国 ,  モデル ,  自己回帰モデル ,  有効性 ,  推定量 ,  *高分解能 ,  基底関数 ,  Bスプライン
準シソーラス用語： 多重解像度 ,  スパース性 ,  予測精度 ,  モデルパラメータ ,  *共変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： エネルギー需要 ,  機能性時系列 ,  高分解能データ ,  確率的共変量 ,  時変係数

分類 (2件)： 電力工学・電力事業一般  (NB01000X) ,  圧縮点火機関  (PB02030N)

タイトルに関連する用語 (8件)： 関数 ,  時系列 ,  確率 ,  気候 ,  共変量 ,  高分解能 ,  電力消費 ,  予測