ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > A Review of using Neural Netwo...>مارك

A Review of using Neural Network and Kalman Filter based on ARIMA for Wind Speed Forecasting

العنوان بلغة أخرى: دراسة مراجعة في استخدام الشبكات العصبية ومرشح كالمن بالاعتماد على ARIMA للتكهن بسرعة الرياح
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: Shukur, Osamah Basheer (Author)
مؤلفين آخرين: Lee, Muhammad Hisyam (Co-Author)
المجلد/العدد: ع29
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2019
الصفحات: 15 - 28
ISSN: 1680-855X
رقم MD: 991211
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
الارصاد الجوية | الرياح | عناصر المناخ | نموذج ARIMA | الشبكات العصبية | التنبؤ
كلمات المؤلف المفتاحية:
ARIMA | Artificial neural network | Kalman filter | Uncertainty | Nonlinearity | Hybrid method | Forecasting
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
LEADER 03432nam a22002537a 4500
001 1733975
041 |a eng 
044 |b العراق 
100 |a Shukur, Osamah Basheer  |e Author  |9 534674 
245 |a A Review of using Neural Network and Kalman Filter based on ARIMA for Wind Speed Forecasting 
246 |a دراسة مراجعة في استخدام الشبكات العصبية ومرشح كالمن بالاعتماد على ARIMA للتكهن بسرعة الرياح 
260 |b جامعة الموصل - كلية علوم الحاسوب والرياضيات  |c 2019 
300 |a 15 - 28 
336 |a بحوث ومقالات  |b Article 
520 |b The wind speed forecasting is important to observe the wind behaviour and control the harms caused by extreme speeds. A linear ARIMA model is unable to identify the nonlinear pattern of wind speed data. ARIMA modelling process causes the stochastic uncertainty as a second reason of inaccurate forecasting results. In this study, a review of an ARIMA-artificial neural network (ANN) and ARIMA-Kalman filter (KF) methods is presented. ANN and KF based on ARIMA are used to improve wind speed forecasting by handling the nonlinearity and the uncertainty respectively. This hybrid method will improve the accuracy of wind speed forecasting. Usually, the forecasting results of the hybrid methods will be in better forecasting than other compared methods. In conclusion, the proposed hybrid methods especially the hybrid ANN-KF based on ARIMA method can be used to forecast wind speed data with nonlinearity and uncertainty characteristics more accurately. 
520 |a  أن التكهن بسرعة الرياح من الأهمية بمكان لدراسة سلوك الرياح والتحكم بالأضرار الناتجة عن السرع المتطرفة. أن نموذج ARIMA الخطي غير قادر على تشخيص النمط غير الخطي لبيانات سرعة الرياح. أن نمذجة البينات باستخدام ARIMA ربما يتسبب بمشكلة عدم التأكدية كسبب ثاني لعدم دقة نتائج التكهن. في هذه الدراسة سيتم تقديم طرق هجينة مثل ARIMA-ANN وARIMA-KF تم استخدام النموذج الهجين ANN-KF بالاعتماد على ARIMA لمعالجة مشكلتي عدم الخطية وعدم التأكدية في آن واحد. أن نتائج التكهن أثبتت أن النماذج الهجينة وخصوصا نموذج ANN-KF الهجين أدق بكثير من نتائج الطرق التقليدية. وبالتالي نستنتج ان استخدام النماذج الهجينة يعالج مشاكل بيانات سرعة الرياح ويؤدي بالتالي إلى تكهنات أدق. 
653 |a الارصاد الجوية  |a الرياح  |a عناصر المناخ  |a  نموذج ARIMA  |a الشبكات العصبية  |a التنبؤ 
692 |b ARIMA  |b Artificial neural network  |b  Kalman filter  |b Uncertainty  |b Nonlinearity  |b  Hybrid method  |b  Forecasting 
700 |9 534683  |a Lee, Muhammad Hisyam   |e Co-Author 
773 |4 الاقتصاد  |6 Economics  |c 009  |e Iraqi Journal of Statistical Science  |f Al-maǧallaẗ al-ʻirāqiyyaẗ li-l-ʻulūm al-iḥsāʼiyyaẗ  |l 029  |m ع29  |o 1147  |s المجلة العراقية للعلوم الإحصائية  |v 000  |x 1680-855X 
856 |u 1147-000-029-009.pdf 
930 |d n  |p y 
995 |a EcoLink 
999 |c 991211  |d 991211 

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.