| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
8ページ |
■発行日
|
2023/02/01 |
| ■タイトル |
BSOを用いた学習によるLASSO-GRBFNの電力価格予測法 |
| ■タイトル(英語) |
A LASSO-GRBFN-based Method for Electricity Price Forecasting with BSO |
| ■著者名 |
三輪 陸人（明治大学先端数理科学研究科ネットワークデザイン専攻），森 啓之（明治大学先端数理科学研究科ネットワークデザイン専攻） |
| ■著者名(英語) |
Rikuto Miwa (Department of Network Design, Meiji University), Hiroyuki Mori (Department of Network Design, Meiji University) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 |
| ■本誌 |
電気学会論文誌C（電子・情報・システム部門誌） Vol.143 No.2 （2023） 特集：エネルギー分野へ適用されたAI・IoT技術
|
| ■本誌掲載ページ |
125-132ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejeiss/143/2/143_125/_article/-char/ja/
|
| ■キーワード |
電力価格予測，ニューラルネットワーク，GRBFN，LASSO，Brain Storm Optimization electricity price forecasting，artificial neural network，GRBFN，LASSO，Brain Storm Optimization |
| ■要約(日本語) |
|
| ■要約(英語) |
This paper proposes a new method for one-step ahead electricity price forecasting. It is based on GRBFN (Generalized Radial Basis Function Network) that is an extension of RBFN of Artificial Neural Network (ANN). GRBFN has advantage over RBFN that the Gaussian function parameters are evaluated by the learning process. The conventional ANN methods consider overfitting with the weight decay method that corresponds to the L2 norm of weights between neurons, but there is still room for improvement. According to the idea of the sparse modeling, this paper proposes the use of Least Absolute Shrinkage and Selection Operator (LASSO) to improve the model performance. Also, this paper presents BSO of evolutionary computation to evaluate the cost function with the term of the L1 norm. That is because the conventional methods with the gradient do not work for the L1 norm. The proposed method is successfully applied to real data of ISO New England in USA. |
| ■版 型 |
A4 |
|
|
|
