![](/images/graphics-bg.png)
Feature Selection and ANN Solar Power Prediction
المؤلفون المشاركون
المصدر
العدد
المجلد 2017، العدد 2017 (31 ديسمبر/كانون الأول 2017)، ص ص. 1-7، 7ص.
الناشر
Hindawi Publishing Corporation
تاريخ النشر
2017-11-08
دولة النشر
مصر
عدد الصفحات
7
التخصصات الرئيسية
الملخص EN
A novel method of solar power forecasting for individuals and small businesses is developed in this paper based on machine learning, image processing, and acoustic classification techniques.
Increases in the production of solar power at the consumer level require automated forecasting systems to minimize loss, cost, and environmental impact for homes and businesses that produce and consume power (prosumers).
These new participants in the energy market, prosumers, require new artificial neural network (ANN) performance tuning techniques to create accurate ANN forecasts.
Input masking, an ANN tuning technique developed for acoustic signal classification and image edge detection, is applied to prosumer solar data to improve prosumer forecast accuracy over traditional macrogrid ANN performance tuning techniques.
ANN inputs tailor time-of-day masking based on error clustering in the time domain.
Results show an improvement in prediction to target correlation, the R2 value, lowering inaccuracy of sample predictions by 14.4%, with corresponding drops in mean average error of 5.37% and root mean squared error of 6.83%.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
O’Leary, Daniel& Kubby, Joel. 2017. Feature Selection and ANN Solar Power Prediction. Journal of Renewable Energy،Vol. 2017, no. 2017, pp.1-7.
https://search.emarefa.net/detail/BIM-1186451
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
O’Leary, Daniel& Kubby, Joel. Feature Selection and ANN Solar Power Prediction. Journal of Renewable Energy No. 2017 (2017), pp.1-7.
https://search.emarefa.net/detail/BIM-1186451
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
O’Leary, Daniel& Kubby, Joel. Feature Selection and ANN Solar Power Prediction. Journal of Renewable Energy. 2017. Vol. 2017, no. 2017, pp.1-7.
https://search.emarefa.net/detail/BIM-1186451
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references
رقم السجل
BIM-1186451
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)