文献
J-GLOBAL ID:202202289937409334   整理番号:22A0451183

風速予測に対する新しい洞察:前処理不確実性評価に基づくロバストな多段アンサンブルソフトコンピューティングアプローチ【JST・京大機械翻訳】

A new insight to the wind speed forecasting: robust multi-stage ensemble soft computing approach based on pre-processing uncertainty assessment
著者 (4件):
資料名:
巻: 34  号:ページ: 783-812  発行年: 2022年 
JST資料番号: W0703A  ISSN: 0941-0643  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,Kirsehirの月間風速時系列を独立,ハイブリッドおよびアンサンブルモデルを用いて調べた。人工ニューラルネットワーク,Gaussプロセス回帰,サポートベクトルマシンおよび多変量適応回帰スプラインを独立型機械学習モデルとして採用し,一方,離散ウェーブレット変換を前処理技術として用いてハイブリッドモデルを作成した。さらに,風速予測において,モデル精度を高めるためにM5モデルツリー(M5)アルゴリズムを用いて多段アンサンブルモデルを作成した。第1は,自己相関関数を用いて遅れ時間を得るのに必要な2つの主要なタスクであり,後者は,ウェーブレットモデリングにおける不確実性を低減するための分解レベルと同様に,最適母ウェーブレットを決定することである。その結果,ハイブリッドウェーブレットモデルはスタンドアロンモデルよりも性能が優れているが,M5ハイブリッドウェーブレット多重ステージアンサンブルモデルにおいて,各リードタイム予測に対して最高のNash-Sutcliffe効率係数値が得られたので,M5アンサンブルモデルにおいても顕著な改善が観察された。本研究の知見は,結果が静的に重要であるかどうかを示すために,様々な性能指標とKruskal-Wallis試験に関して評価した。提案した多段アンサンブルフレームワークも,ランダムフォレスト,AdaBoostおよびXGBoostのような古典的ツリーベースアンサンブルでベンチマークした。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る