Escudo de la República de Colombia
Sistema Nacional de Biliotecas - Repositorio Institucional Universidad Nacional de Colombia Biblioteca Digital - Repositorio Institucional UN Sistema Nacional de Bibliotecas UN

Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm

Lazzús, Juan A and Salfate, Ignacio (2017) Long-term prediction of wind speed in La Serena City (Chile) using hybrid neural network-particle swarm algorithm. Earth Sciences Research Journal, 21 (1). pp. 29-35. ISSN 2339-3459

Texto completo

[img]
Vista previa
PDF - Versión Publicada
Available under License Creative Commons Attribution.

1MB

URL oficial: https://revistas.unal.edu.co/index.php/esrj/articl...

Resumen

An artificial neural network was used for forecasting of long-term wind speed data (24 and 48 hours ahead) in La Serena City (Chile). In order to obtain a more effective correlation and prediction, a particle swarm algorithm was implemented to update the weights of the network. 43800 data points of wind speed were used (years 2003- 2007), and the past values of wind speed, relative humidity, and air temperature were used as input parameters, considering that these meteorogical parameters are more readily available around the globe. Several neural network architectures were studied, and the optimum architecture was determined by adding neurons in systematic form and evaluating the root mean square error (RMSE) during the learning process. The results show that the meteorological variables used as input parameters, have influential effects on the good training and predicting capabilities of the chosen network, and that the hybrid neural network can forecast the hourly wind speed with acceptable accuracy, such as: RMSE=0.81 [m·s−1], MSE=0.65 [m·s−1] 2 and R2 =0.97 for 24-hours-ahead wind speed prediction, and RMSE=0.78, MSE=0.634 [m·s−1] 2 and R2 =0.97 for 48-hours-ahead wind speed prediction., Una red neuronal artificial fue utilizada para la predicción de datos de la velocidad de viento a largo plazo (24 y 48 horas en adelanto) en la Ciudad de La Serena (Chile). Para obtener una efectiva correlación y predición, se implementó una optimización de enjambre de particulas para actualizar los pesos de la red. Se emplearon 43800 datos de velocidad de viento (años 2003-2007), y los valores pasados de velocidad del viento, humedad relativa y temperatura del aire fueron utilizados como parámetros de entrada, considerando que estos parámetros meteorológicos se encuentran fácilmente disponibles en todo el mundo. Se estudiaron varias arquitecturas de redes neuronales y la arquitectura optima se determine añadiendo neuronas de forma sistemática y evaluando la raíz del error cuadrático medio (RMSE) durante el proceso de aprendizaje. Los resultados muestran que las variables meteorológicas utilizadas como parámetros de entrada, tienen un efecto positivo sobre el correcto entrenamiento y capacidades predictivas de la red, y que la red neural híbrida puede pronosticar la velocidad del viento horaria con una precisión aceptable, como un RMSE=0.81 [m·s−1], MSE=0.65 [m·s−1] 2 y R2 =0.97 para la predicción de la velocidad del viento de 24 horas en adelanto, y un RMSE=0.78, MSE=0.634 [m·s−1] 2 and R2 =0.97 para la predicción de la velocidad del viento de 48 horas en adelanto.

Tipo de documento:Artículo - Article
Palabras clave:Wind speed, time series forecasting, artificial neural network, particle swarm optimization, meteorological data, Velocidad del viento, predicción de series de tiempo, redes neuronales artificiales, optimización de enjambre de particulas
Temática:5 Ciencias naturales y matemáticas / Science > 55 Ciencias de la tierra / Earth sciences & geology
Unidad administrativa:Revistas electrónicas UN > Earth Sciences Research Journal
Código ID:64033
Enviado por : Dirección Nacional de Bibliotecas STECNICO
Enviado el día :06 Junio 2018 13:36
Ultima modificación:06 Junio 2018 13:36
Ultima modificación:06 Junio 2018 13:36
Exportar:Clic aquí
Estadísticas:Clic aquí
Compartir:

Solamente administradores del repositorio: página de control del ítem

Vicerrectoría de Investigación: Número uno en investigación
Indexado por:
Indexado por Scholar Google WorldCat DRIVER Metabiblioteca OAIster BASE BDCOL Registry of Open Access Repositories SNAAC Red de repositorios latinoamericanos eprints Open archives La referencia Tesis latinoamericanas OpenDOAR CLACSO
Este sitio web se ve mejor en Firefox