خلاصه
این مقاله درباره پیشنهاد الگوریتم هیبریدی تقویت شده بحث می کند. الگوریتم روی یک الگوریتم فازی وزنی به صورت نمایی و پیشرفته تمرکز کرده است که هماهنگ با جستجوی هارمونی تقویت شده است. پیش بینی بار کوتاه مدت می تواند به طور مناسب با این روش ویژه انجام شود. فاز اولیه این تحقیق در مورد به رسمیت شناختن مرتبه رابطه منطق فازی با هدف تحلیل خودهمبستگی بحث می نماید. فاز دوم روی تحلیل بازه‌های بهینه و ضرایب برای اتخاذ با استفاده از مجموعه داده‌های آموزشی تمرکز می کند. فاز آخر قصد دارد تا اطلاعات بدست آمده را بکار بگیرد و تلاش می کند تا یک پیش بینی 48 قدم رو به جلو روی مسائل کوتاه مدت بار (STLF) انجام دهند. ضروری است تا این فرآیند را اعتبارسنجی نماییم. جهت حصول این هدف، هشت مطالعه موردی از داده های بار واقعی از فرانسه و بریتانیا (از 2005) بکار گرفته شدند. این داده ها هم به الگوریتم ساخته شده و هم به مدل های پیش بینی STLF بهبودیافته موردنظر اعمال شدند. خطاهای متعاقب از این مدل ها مقایسه شدند. نتایج تحلیل خطا مزایای الگوریتم ساخته شده را نسبت به دقیق بودن پیش بینی آن نشان دادند.
دیدگاه خود را ثبت کنید