ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРЫ НА ОСНОВЕ МОДИФИЦИРОВАННОЙ НЕЧЕТКОЙ НЕЙРОСЕТИ
https://doi.org/10.35266/1999-7604-2023-3-76-81
Аннотация
В условиях противоречивости прогнозов погоды в сравнении с классическими методами нейросети идентифицируют нелинейную с неопределенностями динамику температуры, однако для повышения их точности требуется интеллектуальная адаптация для конкретного местоположения, которая реализуется интеллектуальной системой прогнозирования с использованием модифицированной нечеткой нейросети с механизмом внимания, адаптированным для условий противоречивости прогнозов погоды разных метеорологических сайтов. Представлены разработка и экспериментальное моделирование с использованием модифицированного авторского программного обеспечения интеллектуальной системы прогнозирования температуры на основе модифицированной нечеткой нейросети с адаптированным механизмом внимания, выделяющим на основе архивных данных существенные аспекты прогнозирования, включая нелинейную динамику температуры. Результаты разработанной системы демонстрируют ее робастность и снижение среднеквадратичной ошибки ее прогноза в среднем в три раза в сравнении с рекуррентными нейросетями в условиях неопределенности и противоречивости прогноза погоды.
При поддержке: исследование выполнено за счет средств гранта Министерства образования и науки Республики Хакасия (Соглашение от 13.12.22 № 91) научно-исследовательский проект «Разработка интеллектуальной системы непрямого прогнозирования выработки электроэнергии солнечной электростанции на основе модифицированной нечеткой нейросети»
Об авторах
Екатерина Александровна Энгель
Хакасский государственный университет имени Н. Ф. Катанова, Абакан
Россия
Россия
кандидат технических наук, доцент
Никита Евгеньевич Энгель
Хакасский государственный университет имени Н. Ф. Катанова, Абакан
Россия
Россия
бакалавр
Список литературы
1. Большие вызовы и приоритеты научно-технологического развития. URL: https://xn--m1agf.xn--p1ai/challenges-priorities/ (дата обращения: 20.07.2023).
2. Liu L. Forecasting power output of photovoltaic system using A BP network. Energy Procedia. 2017;142:780–786.
3. Durrani S. P., Balluff S., Wurzer R. et al. Photovoltaic yield prediction using an irradiance forecast model based on multiple neural networks. J Mod Power Syst Clean Energy. 2018;6:255–267.
4. Engel E., Engel N. A Review on machine learning applications for solar plants. Sensors. 2022;22(23):9060.
5. Wu Y.-K., Huang C.-L., Phan Q.-T. et al. Completed review of various solar power forecasting techniques considering different viewpoints. Energies. 2022; 15(9):3320.
6. Gaviria J. F., Narváez G., Guillen C. et al. Machine learning in photovoltaic systems: A review. Renewable Energy. 2022;196:298–318.
7. Jaseena K. U., Kovoor B. C. Deterministic weather forecasting models based on intelligent predictors: A survey. Journal of King Saud University – Computer and Information Sciences. 2022;34(6 pt B):3393–3412.
8. Энгель Е. А., Энгель Н. Е. Модуль модифицированной нечеткой нейронной сети : свидетельство о государственной регистрации программы для ЭВМ 202168035 Рос. Федерация. № 22021681065 ; заявл. 09.12.2021 ; опубл. 17.12.2021 ; заявитель ФГБОУ ВО «Хакасский государственный университет им. Н. Ф. Катанова». URL: https://elibrary.ru/download/elibrary_47480682_23010232.PDF (дата обращения: 20.07.2023).
9. Энгель Е. А., Энгель Н. Е. Интеллектуальная модель максимизации генерируемой мощности реконфигурируемой солнечной электростанции // Вестник кибернетики. 2023. Т. 22, № 1. С. 52–58.
10. Топ 14 сайтов прогноза погоды. URL: https://stroiso-vet.com/kakoj-sajt-prognoza-pogody-samyj-tochnyj-po-gorodam-rossii-i-mira/ (дата обращения: 20.07.2023).
11. Gismeteo. URL: https://www.gismeteo.ru/ (дата обращения: 20.07.2023).
12. Яндекс.Погода. URL: https://yandex.ru/pogoda (дата обращения: 20.07.2023).
Рецензия
Для цитирования:
Энгель Е.А., Энгель Н.Е. ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ ТЕМПЕРАТУРЫ НА ОСНОВЕ МОДИФИЦИРОВАННОЙ НЕЧЕТКОЙ НЕЙРОСЕТИ. Вестник кибернетики. 2023;22(3):76-81. https://doi.org/10.35266/1999-7604-2023-3-76-81
For citation:
Engel E.A., Engel N.E. AN INTELLIGENT SYSTEM FOR TEMPERATURE FORECASTING BASED ON A MODIFIED FUZZY NEURAL NETWORK. Proceedings in Cybernetics. 2023;22(3):76-81. (In Russ.) https://doi.org/10.35266/1999-7604-2023-3-76-81
Просмотров:
61
Послать статью по эл. почте 