論文の概要: Forecasting Solar Activity with Two Computational Intelligence Models (A
Comparative Study)
- arxiv url: http://arxiv.org/abs/2005.08350v1
- Date: Sun, 17 May 2020 19:29:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 05:08:33.048299
- Title: Forecasting Solar Activity with Two Computational Intelligence Models (A
Comparative Study)
- Title(参考訳): 2つの計算知モデルによる太陽活動予測(比較研究)
- Authors: M.Parsapoor, U.Bilstrup, B.Svensson
- Abstract要約: 我々は,カオスシステムの予測ツールとして,BELFIS(Brain Emotional Learning-based Fuzzy Inference System)を提案する。
BELFISの構造は、恐怖条件付けの神経構造に基づいて設計されている。
BELFISの性能は、この目的に使用される他の計算モデルと比較される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solar activity It is vital to accurately predict solar activity, in order to
decrease the plausible damage of electronic equipment in the event of a large
high-intensity solar eruption. Recently, we have proposed BELFIS (Brain
Emotional Learning-based Fuzzy Inference System) as a tool for the forecasting
of chaotic systems. The structure of BELFIS is designed based on the neural
structure of fear conditioning. The function of BELFIS is implemented by
assigning adaptive networks to the components of the BELFIS structure. This
paper especially focuses on performance evaluation of BELFIS as a predictor by
forecasting solar cycles 16 to 24. The performance of BELFIS is compared with
other computational models used for this purpose, and in particular with
adaptive neuro-fuzzy inference system (ANFIS).
- Abstract(参考訳): 太陽活動 太陽活動の正確な予測は、高強度の太陽噴火が発生した場合、電子機器の可視的な損傷を減らすために必要不可欠である。
近年,カオスシステムの予測ツールとしてbelfis(brain emotional learning-based fuzzy inference system)が提案されている。
BELFISの構造は、恐怖条件付けの神経構造に基づいて設計されている。
BELFISの機能は、適応ネットワークをBELFIS構造の構成要素に割り当てることで実現される。
本稿では,太陽周期16~24の予測による予測器としてのBELFISの性能評価に着目する。
BELFISの性能は、この目的のために使われる他の計算モデル、特に適応型神経ファジィ推論システム(ANFIS)と比較される。
関連論文リスト
- A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。
EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文 参考訳(メタデータ) (2023-04-17T10:59:57Z) - Forecasting Intraday Power Output by a Set of PV Systems using Recurrent
Neural Networks and Physical Covariates [0.0]
PhotoVoltaic(PV)システムによる出力の正確な予測は、エネルギー分配グリッドの動作を改善するために重要である。
このような日内予測を実現することを目的とした神経自己回帰モデルについて述べる。
論文 参考訳(メタデータ) (2023-03-15T09:03:58Z) - Deep learning for spatio-temporal forecasting -- application to solar
energy [12.5097469793837]
この論文は、深い学習を伴う原則付き時間予測の主題に取り組む。
エレクトロニティ・ド・フランス(EDF)のモチベーション応用は、魚眼画像による短期的な太陽エネルギー予測である。
論文 参考訳(メタデータ) (2022-05-07T06:42:48Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳(メタデータ) (2022-04-18T09:25:06Z) - Enhanced physics-constrained deep neural networks for modeling vanadium
redox flow battery [62.997667081978825]
本稿では,物理制約付き深部ニューラルネットワーク(PCDNN)による高精度電圧予測手法を提案する。
ePCDNNは、電圧放電曲線のテール領域を含む電荷放電サイクルを通して、電圧応答を正確にキャプチャすることができる。
論文 参考訳(メタデータ) (2022-03-03T19:56:24Z) - An Adaptive Deep Learning Framework for Day-ahead Forecasting of
Photovoltaic Power Generation [0.8702432681310401]
本稿では,従来のデータから一般知識を取得するだけでなく,新たなデータから特定の知識を動的に学習するDLフレームワークである適応LSTM(AD-LSTM)モデルを提案する。
開発したAD-LSTMモデルは,特にコンセプトドリフトの存在下で,オフラインのLSTMモデルよりも高い予測能力を示す。
論文 参考訳(メタデータ) (2021-09-28T02:39:56Z) - Solar Irradiation Forecasting using Genetic Algorithms [0.0]
太陽エネルギーは再生可能エネルギーの最も重要な貢献者の1つである。
電力グリッドの効率的な管理には、高精度な太陽光照射を予測する予測モデルが必要である。
訓練と検証に使用されるデータは、アメリカ合衆国の3つの異なる地理的ステーションから記録されている。
論文 参考訳(メタデータ) (2021-06-26T06:48:20Z) - Probabilistic electric load forecasting through Bayesian Mixture Density
Networks [70.50488907591463]
確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。
ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。
後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
論文 参考訳(メタデータ) (2020-12-23T16:21:34Z) - Short term solar energy prediction by machine learning algorithms [0.47791962198275073]
機械学習技術の強みを利用した日次太陽エネルギー予測について報告する。
線形, 尾根, ラッソ, 決定木, ランダム森林, 人工ニューラルネットワークなどのベースライン回帰器の予測モデルを実装した。
改良された精度は,2つのグリッドサイズでランダム森林と尾根回帰器によって達成されている。
論文 参考訳(メタデータ) (2020-10-25T17:56:03Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳(メタデータ) (2020-07-23T13:32:47Z)
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。