رگرسیون عمیق جنگل برای پیش بینی بار کوتاه مدت سیستم های قدرت

سال انتشار: 1401
محل انتشار: اولین کنفرانس ملی فن آوری های پیشرفته بین رشته ای در علوم مهندسی
کد COI اختصاصی: ENGINEERKH01_068
زبان مقاله: فارسی
تعداد مشاهده: 131

نویسندگان

عضو هیات علمی استادیار موسسه آموزش عالی خراسان، دانشکده مهندسی،گروه برق

دانشجو کارشناسی ارشد موسسه آموزش عالی خراسان، دانشکده مهندسی، گروه برق

چکیده

شبکه های عصبی عمیق مربوط به الگوریتم های عمیق یادگیری را میتوان در رگرسیون و طبقه بندی به کار برد . این در حالی است کهعملکرد رگرسیون و طبقه بندی شبکه های عصبی عمیق بسته به پارامترهای بالادستی در شبکه های عصبی عمیق است . در این مقاله به منظورکاهش اثرات نامطلوب پارامترهای بالادستی برای الگوریتم های یادگیری عمیق , رگرسیون جنگل عمیق برای پیش بینی بار کوتاه مدت سیستم هایقدرت پیشنهاد شده است . رگرسیون عمیق جنگل شامل دو روش اسکن چند دانه و روش آبشاری جنگل است . این دو روش می توانند به طور موثرتوسط دو جنگل کاملا تصادفی و دو جنگل تصادفی با پیکربندی پیش فرض آموزش داده شوند . سپس از رگرسیون عمیق جنگل در پیش بینی بارکوتاه مدت سیستم های قدرت استفاده می شود . عملکرد پیش بینی رگرسیون عمیق جنگل با الگوریتم های هوشمند متعدد و الگوریتم های رگرسیونمرسوم تحت مدل با داده های ۷ روزه , ۲۱ روزه و ۴۰ روزه مقایسه شده است . همچنین عملکرد پیشبینی رگرسیون جنگل عمیق با پارامترهایمختلف مقایسه شده است . نتایج عددی نشان می دهد که رگرسیون عمیق جنگل با پارامترهای پیکربندی شده پیش فرض میتواند دقت پیش بینیکوتاه مدت را افزایش داده و تاثیر تجربیات برای پیکربندی پارامترهای بالادستی پارامترهای مدل یادگیری عمیق را کاهش دهد

کلیدواژه ها

رگرسیون عمیق جنگل , پیش بینی بار کوتاه مدت , روش اسکن چند دانه , روش جنگل آبشاری.

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.