开放存取
问题 |
E3S网页汇编
卷积3872023
可再生能源技术智能工程国际会议 |
|
---|---|---|
文章号 | 01004 | |
页数 | 九九 | |
段内 | 电子电气工程 | |
多尔市 | https://doi.org/10.1051/e3sconf/202338701004 | |
在线发布 | 2023年5月15日 |
必威主页
38701004 (2023年)
集成机器学习算法预测太阳能生成
一号班纳里安曼理工学院Sathayamangalam-638401
2新太子Shri Bhavani工程技术学院获ACTE认证
3助理教授Prince博士K.开奈Vasudevan工程技术学院-127
4钦奈Shri VenkateshraPadmathy工程学院助理教授-127
*对应作者 :sangeetha@bitsathy.ac.in
近些年来,人们越来越有兴趣使用人工智能技术预测太阳能生成技术之一是使用人造神经网络并配有遗传算法优化参数这种方法包括培训ANN预测基于历史数据并使用GA优化ANN架构和激活功能GA搜索隐藏层和激活函数的最佳组合,以尽量减少预测电量和实际电量生成之间的误差论文提供算法实施ANN-GA预测太阳能生成算法包括预处理数据,定义ANN架构,定义适配函数,实施GA优化ANN参数这种方法的结果可用于预测未来太阳能发电和优化太阳能系统性能
关键字 :机器学习算法/太阳能生成/可再生能源/预测建模/人工神经网络/支持向量机
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间