Fugu-MT 論文翻訳(概要): Comparative review of hybrid forecasting models for short-term prediction of building thermal load

論文の概要: Comparative review of hybrid forecasting models for short-term prediction of building thermal load

arxiv url: http://arxiv.org/abs/2610.06881v2
Date: Wed, 07 Oct 2026 06:41:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-11 16:33:44.533637
Title: Comparative review of hybrid forecasting models for short-term prediction of building thermal load
Title（参考訳）: 建築熱負荷の短期予測のためのハイブリッド予測モデルの比較検討
Abstract要約: メタヒューリスティックス (Metaheuristics) やデータ駆動モデル (Data-driven model) は基本モデルのパラメータを識別するために用いられる。経験的モーダル分解 - 長期記憶 - Markov (EMD-LSTM-Markov) モデルは、暖房と家庭の温水(DHW)需要の日頭電力パターンを最大精度で予測できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, a comparative review of different hybrid models for short-term forecasting of building thermal demand is carried out. Particularly, the assessment tackles the comparison of data-driven models enhanced with other state-of-the-art techniques. At the first step, the existing techniques reported in the literature are analysed. It is concluded that Metaheuristics or a data-driven model are used to identify the parameters of the basic model. The qualitative evaluation includes for each method the input and output features, main advantages and drawbacks. At the second step, an existing dataset of historical thermal demand from Scottish households, as well as historical weather forecasts are utilized to assess additionally the performance of existing hybrid methods. From the assessment of 13 hybrid methods, the Empirical Modal Decomposition - long short-term memory - Markov (EMD-LSTM-Markov) model can predict with the highest accuracy the day-ahead power pattern of heating and domestic hot water (DHW) demands. Though local power peaks are also accurately predicted, high power swells and spikes are underestimated. Other methods, such as Support Vector Machine - Simulated Annealing (SVM-SA) and Random Forest - Improved Sparrow Search Algorithm - LSTM (RF-ISSA-LSTM) predict a smooth pattern of heating and DHW demand profiles with rapid changes underestimating most power peaks.
Abstract（参考訳）: 本稿では,建築熱需要の短期予測のためのハイブリッドモデルの比較検討を行った。特に、この評価は、他の最先端技術と強化されたデータ駆動モデルの比較に取り組む。最初の段階として、文献で報告されている既存の技術が分析される。メタヒューリスティックス (Metaheuristics) やデータ駆動モデル (Data-driven model) は基本モデルのパラメータを識別するために用いられる。定性評価は、各メソッドに対して、入力と出力の特徴、主な利点、欠点を含む。第2段階では、スコットランドの家庭における過去の熱需要のデータセットと、過去の気象予報を利用して、既存のハイブリッド手法の性能を評価する。 13種類のハイブリッド手法の評価から, 長期記憶における経験的モード分解モデル (EMD-LSTM-Markov) は, 暖房・温水需要の日頭電力パターンを最大精度で予測できる。局所的な電力ピークも正確に予測されるが、高出力の腫れとスパイクは過小評価される。 Support Vector Machine - Simulated Annealing (SVM-SA) や Random Forest - Improved Sparrow Search Algorithm - LSTM (RF-ISSA-LSTM) のような他の手法は、熱のスムーズなパターンとDHW需要プロファイルを予測し、ほとんどの電力ピークを過小評価する。

関連論文リスト

Delta-Based Target Reformulation for Short-Term Electricity Load Forecasting Using LSTM and Transformer Models [0.0]
本稿では,ディープラーニングを用いた短期電力負荷予測のためのデルタ型目標修正について検討する。絶対負荷値を直接予測する代わりに、提案された定式化は、連続する時間ステップ間の負荷変化を予測するためにモデルを訓練する。その結果,デルタ・ベース・リフォーメーションは時間差予測の予測精度を常に向上させることがわかった。
論文参考訳（メタデータ） (2026-06-16T09:01:44Z)
A Systematic Evaluation of Current Architectures in Wind Power Forecasting [0.0]
風速予測は、風力発電の電力システムへの効率的な統合に不可欠である。本研究では,ディープラーニング,モーダル分解,統計的手法の組み合わせについて検討する。
論文参考訳（メタデータ） (2026-06-01T20:15:20Z)
Regression Models Meet Foundation Models: A Hybrid-AI Approach to Practical Electricity Price Forecasting [39.91788164419845]
回帰に基づく予測を強化する新しいパラダイムであるFutureBoostingを提案する。私たちはこのパラダイムを、電力価格予測のための軽量でプラグアンドプレイのフレームワークにインスタンス化します。我々のフレームワークは、最先端のTSFMとレグレッションベースラインを一貫して上回っている。
論文参考訳（メタデータ） (2026-03-06T02:06:46Z)
From ARIMA to Attention: Power Load Forecasting Using Temporal Deep Learning [0.0]
本稿では,従来の統計モデルと,短期エネルギー負荷予測のためのディープラーニング手法の実証評価を行う。 ARIMA、LSTM、BiLSTM、Transformerの4つのモデルがPJM Hourly Energy Consumptionデータに利用された。トランスフォーマーモデルは自己認識アルゴリズムに依存しており、MAPEの3.8%で最良の結果を生み出した。
論文参考訳（メタデータ） (2026-02-21T10:51:49Z)
Deployment of ARX Models for Thermal Forecasting in Power Electronics Boards Using WBG Semiconductors [37.69303106863453]
ARXパラメトリックモデルは、成分の厚さの相違や物質物性の詳細な理解なしに正確な温度予測を提供する。これらのモデルは、FEMシミュレーションや従来の熱モデルに代わる信頼性の高い代替品として出現する。
論文参考訳（メタデータ） (2024-11-25T14:01:17Z)
On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文参考訳（メタデータ） (2024-10-21T18:31:04Z)
Deconfounding Multi-Cause Latent Confounders: A Factor-Model Approach to Climate Model Bias Correction [26.68810227550602]
地球温暖化モデル(GCM)は、地球系をシミュレートすることで、将来の気候変動を予測するのに不可欠である。 GCMは、モデルの不確実性、パラメータ化の単純化、複雑な気候現象の不十分な表現による体系的なバイアスを示す。本稿では,GCMと観測データの両方を利用する新しいバイアス補正手法を提案する。
論文参考訳（メタデータ） (2024-08-22T01:53:35Z)
Calibration of Time-Series Forecasting: Detecting and Adapting Context-Driven Distribution Shift [28.73747033245012]
本稿では,コンテキスト駆動分布シフトの検出と適応のための普遍的キャリブレーション手法を提案する。レジデンシャルベースCDS検出器(Residual-based CDS detector)またはリコンディショナー(Reconditionor)と呼ばれる新しいCDS検出器は、モデルの脆弱性をCDSに定量化する。高いリコンディショナースコアは、重度の感受性を示し、したがってモデル適応を必要とする。
論文参考訳（メタデータ） (2023-10-23T11:58:01Z)
A comparative assessment of deep learning models for day-ahead load forecasting: Investigating key accuracy drivers [2.572906392867547]
短期負荷予測(STLF)は電力グリッドとエネルギー市場の効果的かつ経済的な運用に不可欠である。 STLFの文献ではいくつかのディープラーニングモデルが提案されており、有望な結果を報告している。
論文参考訳（メタデータ） (2023-02-23T17:11:04Z)
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)
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)

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。