基于自适应神经模糊推理系统与灰狼优化器训练的多层感知机模型预测太阳散射分数
机器学习
2020-12-02 v1 信号处理
摘要
太阳散射分数（DF，有时称为散射比）的准确预测是太阳能研究的重要课题。本研究讨论了散射辐照度的研究现状，随后使用来自西班牙阿尔梅里亚的近8年每小时读数大型数据集，检验了三种鲁棒的机器学习（ML）模型。本文使用的ML模型包括：基于自适应网络模糊推理系统（ANFIS）的混合模型、单一多层感知机（MLP）以及多层感知机-灰狼优化器（MLP-GWO）混合模型。利用来自西班牙的多种太阳与散射分数（DF）辐照度数据，对这些模型的预测精度进行了评估。随后使用两种常用评价标准——平均绝对误差（MAE）和均方根误差（RMSE）对结果进行评价。结果表明，MLP-GWO模型以及紧随其后的ANFIS模型在训练与测试过程中均表现出更高的性能。
引用
@article{arxiv.2009.08275,
title = {Adaptive Neuro-Fuzzy Inference System and a Multilayer Perceptron Model Trained with Grey Wolf Optimizer for Predicting Solar Diffuse Fraction},
author = {Randall Claywell and Laszlo Nadai and Felde Imre and Amir Mosavi},
journal= {arXiv preprint arXiv:2009.08275},
year = {2020}
}
备注
13 pages, 6 figures