Warianty tytułu
Artificial immune system to short-term load forecasting of electromagnetic systems
Języki publikacji
Abstrakty
Przedstawiono model prognostyczny oparty na sztucznym systemie immunologicznym. Pamięć immunologiczna utworzona w procesie treningu reprezentuje obrazy połączonych sekwencji szeregów czasowych obciążeń - poprzedzających prognozę i prognozowanych. Przeciwciała zawarte w tej pamięci rozpoznają obrazy po sekwencji poprzedzającej prognozę i odtwarzają sekwencję prognozowaną.
A forecasting model based on an artificial immune system was presented. The immune memory which is created during training, represents patterns of concatenated sequences of the load time series - the sequence preceding the forecast and the forecasted one. Antibodies contained in this memory recognize the first sequence of patterns and restore the forecasted sequence.
Czasopismo
Rocznik
Tom
Strony
12--15
Opis fizyczny
Bibliogr. 4 poz., rys., tab.
Twórcy
autor
Bibliografia
- [1] Dudek G., Similarity-based Approaches to Short-term Load Forecasting, in: Forecasting Models: Methods and Applications, iConcept Press, pp. 161-178, 2010 (http://www.iconceptpress.com/site/download_publishedPaper.php?paper_id= 100917020141).
- [2] Dudek G., Artificial Immune System for Short-term Electric Load Forecasting, LNAI vol. 5097, Springer, Proceedings of the 9th International Conference on Artificial Intelligence and Soft Computing ICAISC 2008, 1007-1017.
- [3] De Castro L.N., Timmis J., Artificial Immune Systems as a Novel Soft Computing Paradigm, Soft Computing 7(8) (2003), 526-544.
- [4] Dudek G., Next Day Electric Load Curve Forecasting using k-means Clustering, Rynek Energii 1(92) (2011), 143-149.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.baztech-ae286c5f-eb51-4039-b04a-8567e578de8e