برق 104. پیشبینی نرخ بازار برق، مبنی بر تکنیک های نزدیک ترین هکسایه ها ارزیابی شده

» :: برق 104. پیشبینی نرخ بازار برق، مبنی بر تکنیک های نزدیک ترین هکسایه ها ارزیابی شده

پیشبینی نرخ بازار برق، مبنی بر تکنیک های نزدیک ترین هکسایه ها ارزیابی شده

چکیده ــ این مقاله، یک روش ساده برای پیشبینی قیمت های روز-بعد بازار را، مبنی بر تکنیک نزدیک ترین هکسایه ها وزن دار، ارایه می دهد. نخست، چگونگی بدست آوردن پارامترهای مربوطه ای که مدل مورد نظر را تعیین می کنند، تشریح شده است. این پارامترها، مربوط به طول پنجره سری های زمانی و نیز مربوط به تعداد همسایه هایی که برای پیشبینی انتخاب شده اند، می باشند. سپس، نتایج مربوط به بازار برق اسپانیا در طی سال 2002، ارایه شده و مورد بحث قرار گرفته است. در پایان، عملکرد روش پیشنهاد شده با روش های جدید، مقایسه می شود.

اصطلاحات شاخص ــ قیمت های بازار برق، پیشبینی، سری های زمانی، نزدیک ترین هکسایه ها وزن دار.

خرید و دانلود محصول

1394/08/02

---

قیمت های بازار برق , پیش بینی , سری های زمانی , نزدیک ترین هکسایه ها وزن دار , Electricity Market Price Forecasting Based , Weighted Nearest Neighbors Techniques , مقاله انگلیسی برق , مقاله انگلیسی برق و الکترونیک , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق با ترجمه فارسی

---

لینک محصول

http://file724.zepo.ir/post/15665

برق 87. پیشبینی قیمت کوتاه مدت مبتنی بر موجک-ELM ترکیبی، برای بازار برق

» :: برق 87. پیشبینی قیمت کوتاه مدت مبتنی بر موجک-ELM ترکیبی، برای بازار برق

پیشبینی قیمت کوتاه مدت مبتنی بر موجک-ELM ترکیبی، برای بازار برق

چکیده ــ پیشبینی دقیق قدمت برق، چالشی بزرگ برای شرکت کنندگان و مدیران بازار می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، مهم ترین هدف مدیریتی برای مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی جدید را بنام ناشین یادگیری سریع (ELM)، در مساله پیشبینی قیمت، بررسی می کند. با در نظر داشتن خط مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM با تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM مبتنی بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، بدست آورند. قدرت این تکنیک، با استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای مدل های ارایه شده، با استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان می دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.

کلیدواژه ها: شبکه عصبی مصنوعی (ANN)، تجدید ساختار، روش مجموع، ماشین یادگیری سریع (ELM)، پیشبینی قیمت، تبدیل موجک

خرید و دانلود محصول

1394/08/02

---

شبکه عصبی مصنوعی , ANN , تجدید ساختار , روش مجموع , ماشین یادگیری سریع , ELM , پیش بینی قیمت , تبدیل موجک , hybrid wavelet-ELM , price forecasting , electricity markets , مقاله انگلیسی برق , مقاله انگلیسی برق با ترجمه , مقاله انگلیسی برق و الکترونیک , مقاله انگلیسی برق با ترجمه فارسی

---

لینک محصول

http://file724.zepo.ir/post/15596

آشنایی با مدل جفت شده WRF-Chem، مدلی برای شبیه سازی و پیشبینی در هواشناسی و مناسب برای پدیده های آلودگی

» :: آشنایی با مدل جفت شده WRF-Chem، مدلی برای شبیه سازی و پیشبینی در هواشناسی و مناسب برای پدیده های آلودگی

مدل عددی WRF یک مدل غیرآب‌ایستای میان‌مقیاس است که هم برای تحقیقات جوی و هم برای پیش‌بینی توسعه یافته‌است یکه توانایی‌های مختلف، آن را بیش از پیش مورد توجه کاربران قرار داده‌است. با جفت‌کردن بخش شیمیایی به این مدل، هم میتوان تاثیر فرایندهای شیمیایی بر جو را در نظر گرفت و هم می‌توان تاثیر جو را بر فرایندهای شیمیایی لحاظ کرد، با این روند توانایی‌های مدل جوی راستای تخصصی‌تری به خود گرفته و در بسیاری از موارد مانند آلودگی‌ها نتایج بهتری نشان می‌دهد.

چون آلودگی‌ها یکی از معظلات عظیمی است که ذهن بشر را به خود مشغول کرده، ما در این پژوهش بیشتر به کاربرد این مدل جفت‌شده در شبیه‌سازی این نوع پدیده‌ها می‌پردازیم که نشان دهنده قادر بودن مدل جفت‌شده WRF-Chem در شبیه‌سازی و حتی پیش‌بینی این دسته از پدیده‌هاست.

خرید و دانلود محصول

1394/07/14

---

WRF , WRF-Chem , مدل هواشناسی , مدل آلودگی , مدلهای جفت شده

---

لینک محصول

http://file724.zepo.ir/post/12081