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 دهدکلیدواژه ها
رگرسیون عمیق جنگل , پیش بینی بار کوتاه مدت , روش اسکن چند دانه , روش جنگل آبشاری.مقالات مرتبط جدید
- راهکارهای بومی معمارانه ، پاسخی برای مسکن مقرون به صرفه (روستاهای سرد و کوهستانی )
- Considering the Digital Twin as the Evolved Level ofBIM in the Context of Construction ۴.۰
- مروری بر مبانی و مفاهیم نظری در خصوص بررسی عوامل کالبدی سرای سالمندان و سلامت روان آنها با تاکید بر توسعه پایدار(مطالعه موردی : شهر شیراز)
- مروری بر انواع طاقچه های نوری تلفیقی
- مروری بر سیستم های انتقال نور روز با تاکید بر چاههای نوری در ساختمان
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.