您的位置：首页 >要闻 >

神经网络改善了太阳能发电的预测

时间：2021-10-25 16:16:27 来源：

图片：类比，pixabay

如果您曾经问过自己，为什么Google Translate近年来在翻译方面变得更加出色，那么答案就在于人工神经网络。

自2016年11月以来，该公司的在线翻译工具一直依赖于神经机器翻译（NMT）系统。它基于基于示例的机器翻译，可帮助系统从其数据库中的数百万个示例中学习。该系统现在还允许直接从一种语言翻译成另一种语言，而早期版本的Google Translate需要先将文本翻译成英语，然后才能将其翻译成另一种语言。

总而言之，人工神经网络已经提供了切实的改进-一项重大的技术飞跃。人工神经网络是一种机器学习技术，其工作方式与人脑相似。

该技术在人工智能领域也有许多潜在应用，并且由于AI现在已广泛用于能源管理和分析，因此它也是太阳能业务的理想选择。例如，来自澳大利亚悉尼大学和西班牙Pablo de Olavide大学的研究人员首次提出了一种新的太阳能预测方法，该方法首次将神经网络和模式序列结合在一起。

这项新研究的新颖之处在于，将人工神经网络的强大功能添加到了模式序列中。在数学中，模式序列通常用于预测以特定顺序排列的一组数字之前或之后的内容，并且它们已用于预测光伏发电量。该方法在论文《用于太阳能预测的模式序列神经网络》中进行了描述，其基于这样的思想，即可以为每种模式序列类型构建一个单独的预测模型。

将科学家提出的模式序列神经网络（PSNN）与基于模式序列的预测（PSF）进行了比较，该模式是一种结合聚类和序列匹配的预测方法，而不是基于模式序列的预测方法，但不适用于神经网络。根据科学家的说法，PSNN将PSF算法的高效模式序列提取和相似匹配与神经网络的优势相结合，可以对复杂和非线性关系进行建模。

研究人员解释说：“ PSNN是一种通用方法，可用于不同的聚类和聚类序列提取算法，并可应用于多个相关时间序列。”

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。