پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,572 |
| تعداد مقالات | 71,031 |
| تعداد مشاهده مقاله | 125,501,004 |
| تعداد دریافت فایل اصل مقاله | 98,764,203 |
استفاده از خوشهبندیهای پیاپی نقشه خودسازمانده برای بهبود پیش‌بینی پیک بار الکتریکی روزانه مبتنی بر شبکه‌های عصبی پیشخوراند | ||
| نشریه دانشکده فنی | ||
| مقاله 7، دوره 41، شماره 10 - شماره پیاپی 1845، بهمن 1386 اصل مقاله (383.88 K) | ||
| نویسندگان | ||
| علیرضا سروش؛ محمدرضا امین ناصری* | ||
| چکیده | ||
| این مقاله یک مدل شبکه عصبی تلفیقی برای پیش‌بینی پیک بار الکتریکی(PLF) روزانه ارائه می‌کند. از آنجاییکه الگوهای مشابهی در داده‌های پیک بار وجود دارد، خوشهبندی دادهها دقت پیشبینیها را افزایش خواهد داد. اکثر خوشهبندیهای ارائه شده در ادبیات بدون دلیل و صرفاَ شهودی بودهاند. در این مقاله، ما رویکرد جدیدی برای خوشهبندی دادهها با استفاده از دو نقشه خودسازمانده پیاپی ارائه می‌کنیم. یک شبکه عصبی پیشخوراند(FFNN) برای هر یک از خوشهها جهت پیش‌بینیPLF توسعه داده شده است. جهت ارزیابی اثربخشی مدل تلفیقی پیشنهادی، پیش‌بینی بوسیله توسعه یک شبکه عصبی پیشخوراند که از داده‌های خوشهبندی نشده استفاده می‌کند، انجام شده است. نتایج برتری اثربخشی مدل تلفیقی پیشنهادی را ثابت می‌کند. همچنین، مدلهای رگرسیون خطی برای PLF توسعه داده شده است و نتایج نشان می‌دهد که مدل تلفیقی پیشنهادی به میزان قابلتوجهی، پیشبینیهای بهتری را نسبت به مدلهای رگرسیون خطی تلفیقی تولید می‌کند. لازم بذکر است که از داده‌های پیک بار شرکت برق منطقه‌ای تهران جهت آزمایش و اعتبارسنجی مدل استفاده شده است. | ||
| کلیدواژه‌ها | ||
| بولدین؛ پیش‌بینی؛ پیک بار الکتریکی روزانه؛ خوشهبندی؛ شاخص دیویس؛ شبکه عصبی پیشخوراند؛ نقشه خودسازمانده | ||
|
آمار تعداد مشاهده مقاله: 1,763 تعداد دریافت فایل اصل مقاله: 1,763 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب