دوره 16، شماره 1 - ( 3-1398 )                   جلد 16 شماره 1 صفحات 41-56 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Kebriaei H, Kamalinejad H, Nadjar Araabi B. Short term load forecast by using Locally Linear Embedding manifold learning and a hybrid RBF-Fuzzy network. JSDP. 2019; 16 (1) :41-56
URL: http://jsdp.rcisp.ac.ir/article-1-776-fa.html
کبریائی حامد، کمالی نژاد حوراء، نجار اعرابی بابک. پیش‌بینی بار کوتاه‌مدت با انتخاب ورودی به روش LLE و موتور پیش‌بینی ترکیبی RBF-Fuzzy . پردازش علائم و داده‌ها. 1398; 16 (1) :41-56

URL: http://jsdp.rcisp.ac.ir/article-1-776-fa.html


پردیس دانشکده‌های فنی، دانشگاه تهران
چکیده:   (87 مشاهده)
در این مقاله یک روش یادگیری خم تحت عنوان  Locally Linear Embedding (LLE) برای استخراج ورودی‌های دارای اطلاعات بیشتر و کاهش ابعاد فضای ورودی جهت پیش‌بینی بار کوتاه‌مدت، پیشنهاد شده است. روش LLE رابطه غیرخطی بین ویژگی‌ها را با تصویر‌کردن یک خم خطی محلی در فضای ویژگی، می‌یابد.  برای بررسی تأثیر روش پیشنهادی در خطای پیش‌بینی بار، یک سامانه پیش‌بینی ترکیبی، از شبکه‌ای  با یک تابع پایه رادیال  (RBF) و سامانه‌ای فازی، پیشنهاد شده است. شبکه RBF هسته موتور پیش‌بینی و ورودی آن تاریخچه بار است. سامانه استنتاج فازی جهت دخالت‌دادن اثر دما بر بار، با شبکه RBF ترکیب شده است. شبیه‌سازی با داده‌های واقعی بار منطقه مازندران، کارایی موتور پیش‌بینی پیشنهادی را در مقایسه با روش‌های شبکه عصبی مصنوعی، سری زمانی و شبکه نورو- فازی نشان می‌دهد؛ علاوه‌بر‌این، روش انتخاب ورودی (LLE) با روش تحلیل مؤلفه اصلی (PCA)  و انتخاب تجربی ورودی‌ها، مقایسه شده است. نتایج شبیه‌سازی با تجزیه و تحلیل آماری معنا‌دار، نشان می‌دهد که روش پیشنهادی، نسبت به سایر روش‌های انتخاب ورودی و موتورهای پیش‌بینی، دارای ابعاد ورودی کوچکتر و خطای پیش‌بینی کمتر است.
متن کامل [PDF 5658 kb]   (29 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: ۱۳۹۶/۶/۱۴ | پذیرش: ۱۳۹۷/۲/۱۷ | انتشار: ۱۳۹۸/۳/۲۰ | انتشار الکترونیک: ۱۳۹۸/۳/۲۰

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.