論文の概要: A novel MDPSO-SVR hybrid model for feature selection in electricity consumption forecasting

• arxiv url: http://arxiv.org/abs/2206.06658v1
• Date: Tue, 14 Jun 2022 07:50:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-26 14:50:47.495372
• Title: A novel MDPSO-SVR hybrid model for feature selection in electricity consumption forecasting
• Title（参考訳）: 電力消費予測における特徴選択のための新しいmdpso-svrハイブリッドモデル
• Authors: Xiaoyuan Zhang, Yanmei Huang, Changrui Deng and Yukun Bao
• Abstract要約: 本研究では,分散粒子群最適化 (MDPSO) を特徴選択に用いた。 MDPSO-SVRモデルは、他の確立されたモデルと比較すると、2つの実世界の電力消費データセットにおいて常に最高の性能を発揮する。
• 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: Electricity consumption forecasting has vital importance for the energy planning of a country. Of the enabling machine learning models, support vector regression (SVR) has been widely used to set up forecasting models due to its superior generalization for unseen data. However, one key procedure for the predictive modeling is feature selection, which might hurt the prediction accuracy if improper features were selected. In this regard, a modified discrete particle swarm optimization (MDPSO) was employed for feature selection in this study, and then MDPSO-SVR hybrid mode was built to predict future electricity consumption. Compared with other well-established counterparts, MDPSO-SVR model consistently performs best in two real-world electricity consumption datasets, which indicates that MDPSO for feature selection can improve the prediction accuracy and the SVR equipped with the MDPSO can be a promised alternative for electricity consumption forecasting.
• Abstract（参考訳）: 電力消費予測は国のエネルギー計画にとって極めて重要である。 機械学習モデルの有効性のうち、サポートベクター回帰(SVR)は、目に見えないデータのより優れた一般化のために予測モデルの設定に広く利用されている。 しかし、予測モデリングの1つの重要な手順は特徴選択であり、不適切な特徴が選択されると予測精度を損なう可能性がある。 本研究では, 分散粒子群最適化(MDPSO)を特徴選択に適用し, 将来の電力消費を予測するため, MDPSO-SVRハイブリッドモードを構築した。 MDPSO-SVRモデルは、他の確立されたモデルと比較すると、2つの実世界の電力消費データセットにおいて常に最良であり、特徴選択のためのMDPSOは予測精度を向上でき、MDPSOを備えたSVRは、電力消費予測の約束的な代替手段であることを示している。

関連論文リスト

• Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
  EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。 時間間隔推定を組み込んだ拡散モデルである。 我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
  論文  参考訳（メタデータ） (2024-06-20T02:20:23Z)
• Cognitively Inspired Energy-Based World Models [40.08174759225766]
  エネルギーベース世界モデル(EBWM)を紹介する。 EBWMは、与えられたコンテキストと予測される将来の状態の互換性を予測するために、エネルギーベースモデル(EBM)を訓練する。 我々は、EBT(Energy-Based Transformer)と呼ばれる従来の自己回帰変換器の変種を開発する。
  論文  参考訳（メタデータ） (2024-06-13T06:54:37Z)
• FedWOA: A Federated Learning Model that uses the Whale Optimization Algorithm for Renewable Energy Prediction [0.0]
  本稿では,フェデレート学習モデルについて紹介する。フェデレーション学習モデルは,プロシューマーエネルギーデータに基づいて訓練された局所ニューラルネットワークモデルの重みから,グローバル予測モデルを集約する。 その結果,FedAVGと比較して,MSEでは25%,MAEでは16%の精度でエネルギー予測モデルの精度を効果的に向上できることがわかった。
  論文  参考訳（メタデータ） (2023-09-19T05:44:18Z)
• 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)
• Predictable MDP Abstraction for Unsupervised Model-Based RL [93.91375268580806]
  予測可能なMDP抽象化(PMA)を提案する。 元のMDPで予測モデルを訓練する代わりに、学習されたアクション空間を持つ変換MDPでモデルを訓練する。 我々はPMAを理論的に解析し、PMAが以前の教師なしモデルベースRLアプローチよりも大幅に改善することを示す。
  論文  参考訳（メタデータ） (2023-02-08T07:37:51Z)
• Short-term Prediction of Household Electricity Consumption Using Customized LSTM and GRU Models [5.8010446129208155]
  本稿では,GRU (Gated Recurrent Unit) とLong Short-Term Memory (LSTM) アーキテクチャを提案する。 電力消費データセットは家庭ごとのスマートメーターから得られた。
  論文  参考訳（メタデータ） (2022-12-16T23:42:57Z)
• Comparative Analysis of Time Series Forecasting Approaches for Household Electricity Consumption Prediction [3.7458346891274013]
  データマイニングツールであるWekaを使用して、まず、Kaggleのデータサイエンスコミュニティから利用可能な、時間給と日給のエネルギー消費データセットのモデルを適用します。 第2に,大韓民国選択世帯の世帯エネルギー消費を天気データと無気象データを用いて予測するために,時系列予測モデルであるARIMAとVARをピソンに導入した。 以上の結果から,エネルギー消費予測の最良の方法は,多層パーセプトロンとガウスプロセス回帰に続く支持ベクトル回帰であることがわかった。
  論文  参考訳（メタデータ） (2022-07-03T12:16:54Z)
• Prediction of Household-level Heat-Consumption using PSO enhanced SVR Model [5.3580471186206005]
  実世界のスマートメーターデータを用いたカーネル支援ベクトル回帰(kSVR)に基づく地域暖房システム(DES)における熱エネルギー消費予測フレームワークを提案する。 平均MAPEは、個々のメートル比予測と社会消費予測で2.07%と2.64%に減少する。
  論文  参考訳（メタデータ） (2021-12-03T13:46:16Z)
• Multivariate Empirical Mode Decomposition based Hybrid Model for Day-ahead Peak Load Forecasting [0.0]
  本研究では,多変量経験モード分解(MEMD)と支持ベクトル回帰(SVR)に基づく新しいハイブリッド予測モデルを提案する。 オーストラリアのニューサウスウェールズ州(NSW)とビクトリア州(VIC)の2つの実世界の負荷データセットは、提案されたMEMD-PSO-SVRハイブリッドモデルの優位性を検証していると考えられている。
  論文  参考訳（メタデータ） (2021-10-28T09:42:37Z)
• Learning Curves for Drug Response Prediction in Cancer Cell Lines [29.107984441845673]
  2つのニューラルネットワーク(NN)と2つの勾配強化決定木(GBDT)モデルの4つの薬物スクリーニングデータセットで訓練されたデータスケーリング特性を評価する。 学習曲線は、パワーローモデルに正確に適合し、これらの予測器のデータスケーリング挙動を評価するためのフレームワークを提供する。
  論文  参考訳（メタデータ） (2020-11-25T01:08:05Z)
• Gaussian Process Regression with Local Explanation [28.90948136731314]
  本稿では,各サンプルの予測に寄与する特徴を明らかにするため,局所的な説明を伴うGPRを提案する。 提案モデルでは,各サンプルの予測と説明を,容易に解釈可能な局所線形モデルを用いて行う。 新しい試験サンプルでは, 対象変数と重みベクトルの値と不確かさを予測できる。
  論文  参考訳（メタデータ） (2020-07-03T13:22:24Z)

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。