より詳細な情報
エネルギー経済（5論文）
SOM-based decision support system for reservoir operation management
Rodríguez-Alarcón, R., & Lozano, S. (2017). Journal of Hydrologic Engineering, 22(7), 04017012.
この論文の目的は、Guadalmellato川貯水池と降雨と河川との関係のさまざまな操作プロファイルを分析することです。 Viscovery SOMineモデルは、過去の特定の状況での行動コースを改訂し、将来の運用計画に意思決定支援を提供するために使用されます。
An ensemble empirical mode decomposition, self-organizing map, and linear genetic programming approach for forecasting river streamflow
Barge, J. T., & Sharif, H. O. (2016). Water, 8(6), 247.
ケンタッキー川ダムテンでの毎日の排出量が、アンサンブル経験的モード分解（EEMD）および自己組織化マップ（SOM）に接続した線形遺伝的プログラミング（LGP）を使用して予測されています。 特徴量の選択にEEMD、クラスタリングにViscovery SOM、クラスタ上に局所予測モデルを計算するLGPを使用するハイブリッドモデルを使用すると、最良の結果が得られます。
Self-organizing map (SOM) in wind speed forecasting: a new approach in computational intelligence (CI) forecasting methods
Esmaeili, M. A., & Twomey, J. (2012, June). In ASME/ISCIE 2012 International Symposium on Flexible Automation (pp. 405-409). American Society of Mechanical Engineers.
この論文では、自己組織化マップの順序付け機能を使用した風速予測手法について説明します。 Viscovery SOMineは、24時間の風速プロファイルをクラスタリングし、各クラスタの次の日の風速を予測するために使用されます。
From smart meter data to pricing intelligence: real time BI for business innovation
Liu, H., Yao, Z., Eklund, T., & Back, B. (2012). TUCS Technical Reports 1035, Turku Centre for Computer Science.
消費電力データを分析して、需要対応や価格設定モデルなどのリアルタイムBIの可能性を明らかにします。 Viscovery SOMineでは、類似のコンシューマのクラスタが検出され、分析されます。
Visual data mining: using self-organizing maps for electricity distribution regulation
Liu, H., Eklund, T., Back, B., & Vanharanta, H. (2011). In Digital Enterprise and Information Systems (pp. 631-645). Springer, Berlin, Heidelberg.
2001〜2004年のフィンランドの配電システム事業者に関する効率性とコストのデータを分析し、効率ベンチマークを提供します。 Viscovery SOMineは、年間コスト、分散エネルギー、中断時間、ユーザー数、ネットワーク長などの情報を含む356件のレコードをクラスタリングするために使用されます。
