Experimental analysis of forecasting solar irradiance with Echo state networks and simulating annealing

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86099079" target="_blank" >RIV/61989100:27240/16:86099079 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007%2F978-3-319-39378-0_2" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-319-39378-0_2</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-39378-0_2" target="_blank" >10.1007/978-3-319-39378-0_2</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Experimental analysis of forecasting solar irradiance with Echo state networks and simulating annealing

Popis výsledku v původním jazyce

The solar energy is a well alternative for covering the high electrical demand, and it starts to be integrated into the energetic grid infrastructure. High forecast accuracy can help in the management of industrial strategies.We present an approach that combines the potential of a Neural Network named Echo State Networks (ESN) and a wellknown optimisation technique named Simulating Annealing (SA). We use the SA technique for selecting the meteorological variables relevant in the forecasting task and the ESN as forecasting model. We present the results evaluating our approach on a public dataset. (C) Springer International Publishing Switzerland 2016.

Název v anglickém jazyce

Experimental analysis of forecasting solar irradiance with Echo state networks and simulating annealing

Popis výsledku anglicky

The solar energy is a well alternative for covering the high electrical demand, and it starts to be integrated into the energetic grid infrastructure. High forecast accuracy can help in the management of industrial strategies.We present an approach that combines the potential of a Neural Network named Echo State Networks (ESN) and a wellknown optimisation technique named Simulating Annealing (SA). We use the SA technique for selecting the meteorological variables relevant in the forecasting task and the ESN as forecasting model. We present the results evaluating our approach on a public dataset. (C) Springer International Publishing Switzerland 2016.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2016

Kód důvěrnosti údajů

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

Název statě ve sborníku

Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). Volume 9692

ISBN

978-3-319-39377-3

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

10

Strana od-do

15-24

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Zakopane

Datum konání akce

12. 6. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—