論文の概要: Wind speed prediction using a hybrid model of the multi-layer perceptron and whale optimization algorithm

• arxiv url: http://arxiv.org/abs/2002.06226v1
• Date: Fri, 14 Feb 2020 19:29:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 04:14:27.193259
• Title: Wind speed prediction using a hybrid model of the multi-layer perceptron and whale optimization algorithm
• Title（参考訳）: 多層パーセプトロンと鯨最適化アルゴリズムのハイブリッドモデルによる風速予測
• Authors: Saeed Samadianfard, Sajjad Hashemi, Katayoun Kargar, Mojtaba Izadyar, Ali Mostafaeipour, Amir Mosavi, Narjes Nabipour, Shahaboddin Shamshirband
• Abstract要約: 風力発電は再生可能エネルギー源であり、多くの経済的、環境的、社会的利益がある。 再生可能風力発電を向上・制御するためには,風速を高精度に予測するモデルを活用することが不可欠である。
• 参考スコア（独自算出の注目度）: 1.032905038435237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wind power as a renewable source of energy, has numerous economic, environmental and social benefits. In order to enhance and control renewable wind power, it is vital to utilize models that predict wind speed with high accuracy. Due to neglecting of requirement and significance of data preprocessing and disregarding the inadequacy of using a single predicting model, many traditional models have poor performance in wind speed prediction. In the current study, for predicting wind speed at target stations in the north of Iran, the combination of a multi-layer perceptron model (MLP) with the Whale Optimization Algorithm (WOA) used to build new method (MLP-WOA) with a limited set of data (2004-2014). Then, the MLP-WOA model was utilized at each of the ten target stations, with the nine stations for training and tenth station for testing (namely: Astara, Bandar-E-Anzali, Rasht, Manjil, Jirandeh, Talesh, Kiyashahr, Lahijan, Masuleh, and Deylaman) to increase the accuracy of the subsequent hybrid model. The capability of the hybrid model in wind speed forecasting at each target station was compared with the MLP model without the WOA optimizer. To determine definite results, numerous statistical performances were utilized. For all ten target stations, the MLP-WOA model had precise outcomes than the standalone MLP model. The hybrid model had acceptable performances with lower amounts of the RMSE, SI and RE parameters and higher values of NSE, WI, and KGE parameters. It was concluded that the WOA optimization algorithm can improve the prediction accuracy of MLP model and may be recommended for accurate wind speed prediction.
• Abstract（参考訳）: 風力発電は再生可能エネルギー源であり、多くの経済的、環境的、社会的利益がある。 再生可能風力の向上と制御のためには、風速を高精度に予測するモデルを活用することが不可欠である。 データの事前処理の必要条件や重要性を無視し、単一の予測モデルを使うことができないため、従来のモデルの多くは風速予測の性能に乏しい。 本研究は,イラン北部の目標地点における風速予測のために,2004-2014年に限定されたデータを用いた新しい手法(MLP-WOA)を構築するために,多層パーセプトロンモデル (MLP) と Whale Optimization Algorithm (WOA) を組み合わせたものである。 その後、MLP-WOAモデルが10駅それぞれに使用され、訓練用の9駅、試験用の10駅(アスタラ駅、バンダル-E-アンザリ駅、ラシュト駅、マンジール駅、ジランデ駅、タレシュ駅、キヤシャール駅、ラヒジャン駅、マスレー駅、デイラマン駅)がその後のハイブリッドモデルの精度を高めるために使用された。 対象局毎の風速予測におけるハイブリッドモデルの能力は,woaオプティマイザを用いないmlpモデルと比較した。 明確な結果を決定するために、多くの統計性能が利用された。 MLP-WOAモデルは10駅すべてでスタンドアローンのMLPモデルよりも正確な結果を得た。 ハイブリッドモデルでは, RMSE, SI, REの値が低く, NSE, WI, KGEの値が高かった。 WOA最適化アルゴリズムは,MLPモデルの予測精度を向上し,正確な風速予測に有効である可能性が示唆された。

関連論文リスト

• SaRA: High-Efficient Diffusion Model Fine-tuning with Progressive Sparse Low-Rank Adaptation [52.6922833948127]
  本研究では,事前学習した拡散モデルにおけるパラメータの重要性について検討する。 本稿では,これらの非効率パラメータをフル活用するための新しいモデル微調整法を提案する。 本手法は,下流アプリケーションにおける事前学習モデルの生成能力を向上する。
  論文  参考訳（メタデータ） (2024-09-10T16:44:47Z)
• Short-term Wind Speed Forecasting for Power Integration in Smart Grids based on Hybrid LSSVM-SVMD Method [0.0]
  風力エネルギーは、最も広く利用されている再生可能エネルギー資源の1つとなっている。 グリッドシステムへの風力統合の成功は、正確な風速予測モデルに基づいている。 本稿では,短期風速予測のためのハイブリッド機械学習手法を提案する。
  論文  参考訳（メタデータ） (2024-08-30T10:35:59Z)
• Forecast-PEFT: Parameter-Efficient Fine-Tuning for Pre-trained Motion Forecasting Models [68.23649978697027]
  Forecast-PEFTは、モデルのパラメータの大部分を凍結し、新しく導入されたプロンプトとアダプタの調整に集中する微調整戦略である。 実験の結果,Forecast-PEFTは動作予測タスクにおいて従来のフルチューニング手法よりも優れていた。 Forecast-FTは予測性能をさらに改善し、従来のベースライン法よりも最大9.6%向上した。
  論文  参考訳（メタデータ） (2024-07-28T19:18:59Z)
• ExtremeCast: Boosting Extreme Value Prediction for Global Weather Forecast [57.6987191099507]
  非対称な最適化を行い、極端な天気予報を得るために極端な値を強調する新しい損失関数であるExlossを導入する。 また,複数のランダムサンプルを用いて予測結果の不確かさをキャプチャするExBoosterについても紹介する。 提案手法は,上位中距離予測モデルに匹敵する全体的な予測精度を維持しつつ,極端気象予測における最先端性能を達成することができる。
  論文  参考訳（メタデータ） (2024-02-02T10:34:13Z)
• Multi-Step Short-Term Wind Speed Prediction with Rank Pooling and Fast Fourier Transformation [0.0]
  短期的な風速予測は、経済的な風力利用に不可欠である。 現実の風速データは通常断続的で変動し、既存の浅いモデルに大きな課題をもたらす。 本稿では,多段風速予測,すなわちLR-FFT-RP-MLP/LSTMのための新しいハイブリッドモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-23T14:02:52Z)
• Optimization of Annealed Importance Sampling Hyperparameters [77.34726150561087]
  Annealed Importance Smpling (AIS) は、深層生成モデルの難易度を推定するために使われる一般的なアルゴリズムである。 本稿では、フレキシブルな中間分布を持つパラメータAISプロセスを提案し、サンプリングに少ないステップを使用するようにブリッジング分布を最適化する。 我々は, 最適化AISの性能評価を行い, 深部生成モデルの限界推定を行い, 他の推定値と比較した。
  論文  参考訳（メタデータ） (2022-09-27T07:58:25Z)
• A Hybrid Model for Forecasting Short-Term Electricity Demand [59.372588316558826]
  現在、英国電気市場は、規制当局が30分毎に発行する負荷(需要)予測によってガイドされている。 本稿では,機能工学(候補予測機能の選択),移動ウィンドウ予測,LSTMエンコーダデコーダを組み合わせたハイブリッド予測モデルHYENAを提案する。
  論文  参考訳（メタデータ） (2022-05-20T22:13:25Z)
• Hybrid Transformer Network for Different Horizons-based Enriched Wind Speed Forecasting [0.0]
  高度に正確な水平線に基づく風速予測は、より現代的な電力システムを促進する。 本稿では,新しい風速予測モデルを提案し,異なる地平線に適用した。 実時間Kethanurとの比較分析により,提案したICEEMDAN-TNF-MLPN-RECSハイブリッドモデルの性能が向上したことが明らかとなった。
  論文  参考訳（メタデータ） (2022-04-07T12:03:53Z)
• Calibration of wind speed ensemble forecasts for power generation [0.0]
  過去数十年間、風力発電は欧州連合で2番目に大きな電力供給源となり、電力需要の16%を占めた。 そのボラティリティのため、風力エネルギーを電気グリッドにうまく統合するには、正確な短距離風力予測が必要である。 生のアンサンブルと比較すると,ポストプロセッシングは常に確率的および精度の高い点予測のキャリブレーションを改善する。
  論文  参考訳（メタデータ） (2021-04-30T11:18:03Z)
• Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
  電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。 提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
  論文  参考訳（メタデータ） (2020-10-09T14:18:31Z)
• Machine learning for total cloud cover prediction [0.0]
  本稿では,多層パーセプトロン(MLP)ニューラルネットワーク,勾配促進機(GBM)およびランダムフォレスト(RF)法を用いた後処理の性能について検討する。 生のアンサンブルと比較して、全ての校正法は予測スキルを著しく向上させる。 RFモデルは予測性能が最小となる一方、POLRとGBMのアプローチは最良である。
  論文  参考訳（メタデータ） (2020-01-16T17:13:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。