عرض بسيط للتسجيلة

المؤلفGao, Ruobin
المؤلفLi, Ruilin
المؤلفHu, Minghui
المؤلفSuganthan, Ponnuthurai Nagaratnam
المؤلفYuen, Kum Fai
تاريخ الإتاحة2023-02-08T07:52:15Z
تاريخ النشر2023-01-01
اسم المنشورApplied Energy
المعرّفhttp://dx.doi.org/10.1016/j.apenergy.2022.120261
الاقتباسGao, R., Li, R., Hu, M., Suganthan, P. N., & Yuen, K. F. (2023). Dynamic ensemble deep echo state network for significant wave height forecasting. Applied Energy, 329, 120261.‏
الرقم المعياري الدولي للكتاب03062619
معرّف المصادر الموحدhttps://www.scopus.com/inward/record.uri?partnerID=HzOxMe3b&scp=85141471856&origin=inward
معرّف المصادر الموحدhttp://hdl.handle.net/10576/39802
الملخصForecasts of the wave heights can assist in the data-driven control of wave energy systems. However, the dynamic properties and extreme fluctuations of the historical observations pose challenges to the construction of forecasting models. This paper proposes a novel dynamic ensemble deep Echo state networks (ESN) to learn the dynamic characteristics of the significant wave height. The dynamic ensemble ESN creates a profound representation of the input and trains an independent readout module for each reservoir. To begin, numerous reservoir layers are built in a hierarchical order, adopting a reservoir pruning approach to filter out the poorer representations. Finally, a dynamic ensemble block is used to integrate the forecasts of all readout layers. The suggested model has been tested on twelve available datasets and statistically outperforms state-of-the-art approaches.
اللغةen
الناشرElsevier Ltd
الموضوعDeep learning
Echo state network
Forecasting
Machine learning
Randomized neural networks
العنوانDynamic ensemble deep echo state network for significant wave height forecasting
النوعArticle
رقم المجلد329
dc.accessType Abstract Only


الملفات في هذه التسجيلة

الملفاتالحجمالصيغةالعرض

لا توجد ملفات لها صلة بهذه التسجيلة.

هذه التسجيلة تظهر في المجموعات التالية

عرض بسيط للتسجيلة