Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm
Una red neuronal artificial fue utilizada para la predicciðn de datos de la velocidad de viento a largo plazo (24 y 48 horas en adelanto) en la Ciudad de La Serena (Chile). Para obtener una efectiva correlaciðn y prediciðn, se implementð una optimizaciðn de enjambre de particulas para actualizar los...
Saved in:
| Other Authors: | , , |
|---|---|
| Format: | Book |
| Language: | English |
| Subjects: | |
| Online Access: | Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
| LEADER | 00000nam a22000004a 4500 | ||
|---|---|---|---|
| 001 | vpro13368 | ||
| 005 | 20201223000000.0 | ||
| 008 | 180607s2018 ck # g## #001 0#eng#d | ||
| 020 | |a 1794-6190 (versiðn impresa) ; 2339-3459 (versiðn online) | ||
| 022 | |||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a eng | |
| 245 | 1 | 0 | |a Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm |
| 246 | |a Predicciðn a largo plazo de la velocidad de viento en la ciudad de La Serena (Chile) utilizando un algoritmo híbrido de rojo neuronal-enjambre de partículas | ||
| 264 | |a BogotÆ (Colombia) : |b Revista VirtualPRO, |c 2018 | ||
| 520 | 3 | |a Una red neuronal artificial fue utilizada para la predicciðn de datos de la velocidad de viento a largo plazo (24 y 48 horas en adelanto) en la Ciudad de La Serena (Chile). Para obtener una efectiva correlaciðn y prediciðn, se implementð una optimizaciðn de enjambre de particulas para actualizar los pesos de la red. Se emplearon 43800 datos de velocidad de viento (aæos 2003-2007), y los valores pasados de velocidad del viento, humedad relativa y temperatura del aire fueron utilizados como parÆmetros de entrada, considerando que estos parÆmetros meteorolðgicos se encuentran fÆcilmente disponibles en todo el mundo. Se estudiaron varias arquitecturas de redes neuronales y la arquitectura optima se determine aæadiendo neuronas de forma sistemÆtica y evaluando la raíz del error cuadrÆtico medio (RMSE) durante el proceso de aprendizaje. Los resultados muestran que las variables meteorolðgicas utilizadas como parÆmetros de entrada, tienen un efecto positivo sobre el correcto entrenamiento y capacidades predictivas de la red, y que la red neural híbrida puede pronosticar la velocidad del viento horaria con una precisiðn aceptable, como un RMSE=0.81 [m·sĐ1], MSE=0.65 [m·sĐ1] 2 y R2 =0.97 para la predicciðn de la velocidad del viento de 24 horas en adelanto, y un RMSE=0.78, MSE=0.634 [m·sĐ1] 2 and R2 =0.97 para la predicciðn de la velocidad del viento de 48 horas en adelanto. | |
| 650 | \ | \ | |a Ciencias de la tierra |
| 650 | \ | \ | |a Meteorologéa |
| 650 | \ | \ | |a Climatología |
| 650 | \ | \ | |a Earth sciences |
| 650 | \ | \ | |a Meteorology |
| 650 | \ | \ | |a Climatology |
| 650 | \ | \ | |a Velocidad del viento |
| 650 | \ | \ | |a Predicciðn de series de tiempo |
| 650 | \ | \ | |a Redes neuronales artificiales |
| 650 | \ | \ | |a Optimizaciðn de enjambre de partículas |
| 650 | \ | \ | |a Wind speed |
| 650 | \ | \ | |a Time series forecasting |
| 650 | \ | \ | |a Artificial neural network |
| 650 | \ | \ | |a Particle swarm optimization |
| 650 | \ | \ | |a Meteorological data |
| 700 | \ | \ | |a Lazzœs Juan A. |
| 700 | \ | \ | |a Salfate Ignacio |
| 700 | \ | \ | |a Universidad Nacional de Colombia. Departamento de Geociencias. |
| 856 | |z Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm |u https://virtualpro.unach.elogim.com/biblioteca/prediccion-a-largo-plazo-de-la-velocidad-de-viento-en-la-ciudad-de-la-serena-chile-utilizando-un-algoritmo-hibrido-de-rojo-neuronal-enjambre-de-particulas | ||