메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
권승일 (인하대학교) 강상길 (인하대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제31권 제6호
발행연도
2021.12
수록면
475 - 479 (5page)
DOI
10.5391/JKIIS.2021.31.6.475

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근, 화석 연료의 고갈로 인해 전 세계적으로 대체 에너지인 신재생 에너지의 비중이 증가하고 있는 추세이다. 이에 따라 생산 효율성을 극대화하기 위한 태양광 발전량 예측 연구에 집중하고 있다. 기존의 연구들은 단일 모델만을 사용하여 태양광 발전량을 예측하지만 본 논문에서는 XGBoost와 LSTM Encoder-Decoder의 앙상블 모델을 이용한 태양광 발전량을 예측할 수 있는 기계학습 모델을 개발한다. 성능검증을 위해서 실제 과거의 태양광 발전량 데이터와 기상 데이터를 활용해서 미래의 태양광 발전량을 예측하는 실험을 통해 제안한 앙상블 모델과 단일 LSTM Encoder-Decoder을 이용한 예측값의 성능 분석 및 비교를 보여준다.

목차

요약
Abstract
1. 서론
2. XGBoost, LSTM Encoder-Decoder의 앙상블 시스템
3. 실험 결과
4. 결론 및 향후 연구
References

참고문헌 (16)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-003-000135698