{"product_id":"ieej-zt20216-219","title":"QRNNを用いた日射量予測","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e6-219\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】令和3年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2021\/03\/01\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eSolar Radiation Prediction using QRNN\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e奥村祐斗（明治大学）,熊野照久（明治大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eYuto Okumura (Meiji University),Teruhisa Kumano (Meiji University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e日射量予測|ニューラルネットワーク|太陽光発電|solar radiation|neural network|solar power\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e近年地球環境を考慮し、再生可能エネルギーの導入が進められている。その中でも国内では太陽光発電について注目されている。しかし、太陽光発電は天候に供給力が左右されやすいというデメリットがあり、大量導入時に問題となる。そこで本研究ではニューラルネットワークの一種である QRNN(Quasi-Recurrent Neural Network)を用いた予測手法を提案する。\n結果について、他の手法であるCNN,LSTM,勾配ブースティングと絶対平均誤差で比較した時、予測誤差を減らすことができた。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e446 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 1","offer_id":46401964015855,"sku":"IEEJ-ZT20216-219-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_597f1d8c-2901-444d-9742-59cdb58f8c02.png?v=1744964523","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt20216-219","provider":"電気学会 電子図書館","version":"1.0","type":"link"}