دانلود مقاله ISI انگلیسی شماره 55824
ترجمه فارسی عنوان مقاله

پیش بینی استفاده از انرژی خورشیدی با استفاده از مدل تنظیم خطی و غیر خطی: بررسی مسابقه پیش بینی انرژی خورشیدی AMS (هواشناسی جامعه آمریکا) 2013-14

عنوان انگلیسی
Solar energy prediction using linear and non-linear regularization models: A study on AMS (American Meteorological Society) 2013–14 Solar Energy Prediction Contest
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
55824 2014 10 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6798 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 11 روز بعد از پرداخت 81,576 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 6 روز بعد از پرداخت 163,152 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Energy, Volume 78, 15 December 2014, Pages 247–256

ترجمه کلمات کلیدی
شبکه های عصبی مصنوعی؛ آموزش گروه؛ حداقل رگرسیون مربع؛ تنظیم؛ پیش بینی انرژی خورشیدی؛ تقسیم بندی متغیر
کلمات کلیدی انگلیسی
Artificial neural network; Ensemble learning; Least square regression; Regularization; Solar energy forecasting; Variable segmentation
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی استفاده از انرژی خورشیدی با استفاده از مدل تنظیم خطی و غیر خطی: بررسی مسابقه پیش بینی انرژی خورشیدی AMS (هواشناسی جامعه آمریکا) 2013-14

چکیده انگلیسی

In 2013, American Meteorological Society Committees on AI (artificial intelligence) Applications organized a short-term solar energy prediction competition aiming at predicting total daily solar energy received at 98 solar farms based on the outputs of various weather patterns of a numerical weather prediction model. In this paper, a methodology to solve this problem has been explained and the performance of ordinary LSR (least-square regression), regularized LSR and ANN (artificial neural network) models has been compared. In order to improve the generalization capability of the models, more experiments like variable segmentation, subspace feature sampling and ensembling of models have been conducted. It is observed that model accuracy can be improved by proper selection of input data segments. Further improvements can be obtained by ensemble of forecasts of different models. It is observed that the performance of an ensemble of ANN and LSR models is the best among all the proposed models in this work. As far as the competition is concerned, Gradient Boosting Regression Tree has turned out to be the best algorithm. The proposed ensemble of ANN and LSR model is able to show a relative improvement of 7.63% and 39.99% as compared to benchmark Spline Interpolation and Gaussian Mixture Model respectively.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6798 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 11 روز بعد از پرداخت 81,576 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 6 روز بعد از پرداخت 163,152 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.