Artificial intelligence methods used for predicting traction power consumption

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21260%2F08%3A06149256" target="_blank" >RIV/68407700:21260/08:06149256 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Artificial intelligence methods used for predicting traction power consumption

Original language description

In this paper some remarks on predictive modeling of traction power consumption and their use in intelligent control systems are stated. Special emphasis is put on discussing neural networks and genetic algorithms for such models described in the secondchapter. In the third chapter, significant applications of neural networks and genetic algorithms in area of power consumption and train diagram are stated. A methodology of model development and assessment is presented in the chapter 4. In the chapter 5there are up to now results of author's traction power consumption prediction coming out from artificial neural network predictive models developed in Mathematica(C) SW environment. Finally, summary and further work are stated in the last chapter.

Czech name

Použití metod umělé inteligence pro predikování odběrů trakčního výkonu

Czech description

V tomto článku jsou uvedeny některé poznámky o prediktivním modelování odběrů trakčního výkonu a jeho použití v inteligentních řídicích systémech. Zvláštní důraz je kladen na uvažování neuronových sítí a genetických algoritmů pro tyto modely (kapitola 2). Ve třetí kapitole jsou popsány důležité aplikace neuronových sítí a genetických algoritmů v oblasti odběrů elektrického výkonu a grafikonu vlakové dopravy. V kapitole 4 je uvedena metodologie vývoje a hodnocení modelu. V 5. kapitole jsou prezentovány dosavadní výsledky autorových predikcí na bázi umělých neuronových sítí vyvinutých v SW prostředí Mathematica(C). V poslední kapitole je uvedeno shrnutí a výhled další práce.

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

IN - Informatics

OECD FORD branch

—

Project

<a href="/en/project/GD102%2F05%2FH517" target="_blank" >GD102/05/H517: Traffic Telematic Systems Research</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2008

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Neural Network World

ISSN

1210-0552

e-ISSN

—

Volume of the periodical

2008

Issue of the periodical within the volume

1

Country of publishing house

CZ - CZECH REPUBLIC

Number of pages

8

Pages from-to

—

UT code for WoS article

000254356900003

EID of the result in the Scopus database

—