|
|
نخستین کنفرانس ملی چالشهای محیط زیست: صنعت و معدن سبز
|
|
|
| عنوان فارسی |
الگوریتم های یادگیری ماشین برای پیش بینی ظرفیت خروجی یک مزرعه خورشیدی در کالیفرنیا به منظور جایگزینی انرژی های تجدیدپذیر با سوخت های فسیلی استفاده می شود |
|
| چکیده فارسی مقاله |
پیش‌بینی انرژی خورشیدی یک جزء حیاتی برای تقویت رقابت نیروگاه‌های خورشیدی در بازار انرژی و کاهش وابستگی اقتصادی و اجتماعی به سوخت‌های فسیلی است. مجموعه داده‌هایی که در این مطالعه استفاده کردیم، داده‌های سال‌های 2019 تا 2021 را نشان می‌دهند و مربوط به کالیفرنیا هستند. Decision Tree و Extra Tree دقت بالایی ارائه کرده اند. Extra Tree با پیش بینی های حدود 4 ثانیه عملکرد خوبی از خود نشان داده است. Decision Tree با پیش‌بینی‌های تقریباً 1.7 ثانیه‌ای عملکردی به اندازه Extra Tree نشان داده است. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Machine learning algorithms are being used to predict the output capacity of a solar farm in California in order to substitute renewable energy with fossil fuels |
|
| چکیده انگلیسی مقاله |
Solar energy forecasting is a critical component of boosting the competitiveness of solar power plants in the energy market and decreasing economic and societal dependency on fossil fuels. The datasets we used in this study represent data from 2019 to 2021and are related to California. Decision Tree and Extra Tree have provided high accuracies. Extra Tree has shown good performance with about 4 seconds predictions. Decision Tree has shown as good as Extra Tree performance with approximately 1.7 seconds predictions. |
|
| کلیدواژه‌های انگلیسی مقاله |
انرژی خورشیدی, سوخت های فسیلی, درخت اضافی, درخت تصمیم |
|
| نویسندگان مقاله |
متین ملکوتی | matin malakoti
امیر ریخته گرغیاثی | amir rikhtehgar Ghiasi
|
|
| نشانی اینترنتی |
http://ncec.modares.ac.ir/browse.php?a_code=A-10-127-4&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
en |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
