Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Publikacje
Pomoc (F2)
[83010] Artykuł:

Application of Fuzzy Cognitive Maps to Multi-step Ahead Prediction of Electricity Consumption

Czasopismo: 2018 Conference on Electrotechnology: Processes, Models, Control and Computer Science (EPMCCS)   Tom: 1, Strony: 1-5
ISBN:  978-1-5386-8255-5
Wydawca:  IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA
Opublikowano: 2018
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Do oświadczenia
nr 3
Grupa
przynależności
Dyscyplina
naukowa
Procent
udziału
Liczba
punktów
do oceny pracownika
Liczba
punktów wg
kryteriów ewaluacji
Katarzyna Poczęta orcid logo WEAiIKatedra Systemów Informatycznych *Takzaliczony do "N"Automatyka, elektronika, elektrotechnika i technologie kosmiczne337.505.00  
Elpiniki I. Papageorgiou Niespoza "N" jednostki33.00.00  
Aleksander Iwanowicz Jastriebow orcid logo WEAiIKatedra Systemów Informatycznych *Takzaliczony do "N"Automatyka, elektronika, elektrotechnika i technologie kosmiczne337.505.00  

Grupa MNiSW:  Materiały z konferencji międzynarodowej (zarejestrowane w Web of Science)
Punkty MNiSW: 15
Klasyfikacja Web of Science: Proceedings Paper


Pełny tekstPełny tekst     DOI LogoDOI     Web of Science Logo Web of Science    
Keywords:

fuzzy cognitive maps  multi-step ahead time series prediction  electricity consumption  



Abstract:

This paper is devoted to the multi-step ahead prediction of multivariate time series with the use of fuzzy cognitive maps. The aim of the analysis is to predict the electricity consumption in a household. The learning process was performed with the developed Structure Optimization Genetic Algorithm (SOGA). A comparison with the well-known method for fuzzy cognitive maps learning: the Real-Coded Genetic Algorithm was done. The obtained results show that the SOGA algorithm enables simplifying the fuzzy cognitive map by selection of the most significant concepts and connections and forecasting the three next steps of electricity consumption with satisfactory accuracy.