Wind Speed Prediction with Genetic Algorithm
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F18%3A10241737" target="_blank" >RIV/61989100:27240/18:10241737 - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007%2F978-3-319-65636-6_29" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-319-65636-6_29</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-65636-6_29" target="_blank" >10.1007/978-3-319-65636-6_29</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Wind Speed Prediction with Genetic Algorithm
Popis výsledku v původním jazyce
Nowadays trends pay attention to used renewable energy sources, e.g. wind - wind energy or sun irradiance - solar energy, as a source of electrical power. This kind of energy sources are very unstable and inconstancy (nonstationary) over the time. The proper and accurate wind speed or sun irradiance prediction is necessary to control the power grid. This paper presents short time wind prediction algorithm with genetic column subset selection problem. It uses multiple weather data sources, genetics algorithm for features selection, and the prediction is done by a neural network. The genetic algorithm chooses the most important features for the prediction algorithm.
Název v anglickém jazyce
Wind Speed Prediction with Genetic Algorithm
Popis výsledku anglicky
Nowadays trends pay attention to used renewable energy sources, e.g. wind - wind energy or sun irradiance - solar energy, as a source of electrical power. This kind of energy sources are very unstable and inconstancy (nonstationary) over the time. The proper and accurate wind speed or sun irradiance prediction is necessary to control the power grid. This paper presents short time wind prediction algorithm with genetic column subset selection problem. It uses multiple weather data sources, genetics algorithm for features selection, and the prediction is done by a neural network. The genetic algorithm chooses the most important features for the prediction algorithm.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/GJ16-25694Y" target="_blank" >GJ16-25694Y: Mnohoparadigmatické algoritmy dolování z dat založené na vyhledávání, fuzzy technologiích a bio-inspirovaných výpočtech</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Lecture Notes on Data Engineering and Communications Technologies. Volume 8
ISBN
978-3-319-65635-9
ISSN
2367-4512
e-ISSN
neuvedeno
Počet stran výsledku
10
Strana od-do
326-335
Název nakladatele
Springer
Místo vydání
Cham
Místo konání akce
Toronto
Datum konání akce
24. 8. 2017
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000434865700029