Please use this persistent identifier to cite or link to this item: doi:10.24405/15220
Title: Überblick über hybride neuronale Netze mit CNN- und RNN-Schichten für Zeitreihenprognosen
Authors: Avdevicius, Edvard 
Eskander, Mina 
Plenz, Maik 
Schulz, Detlef 
Language: ger
Keywords: Hybrides Modell;CNN;LSTM;GRU;Vorhersage
Subject (DDC): 620 Ingenieurwissenschaften
Issue Date: Dec-2023
Editors: Schulz, Detlef 
Publisher: Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg, Fakultät für Elektrotechnik, Professur für Elektrische Energiesysteme
Document Type: Book Part
Journal / Series / Working Paper (HSU): Hamburger Beiträge zum technischen Klimaschutz 
Volume: 5
Page Start: 101
Page End: 109
Published in (Book): Energie im Wandel: Forschungsperspektiven für Wasserstoff, Elektromobilität und Netzinnovationen
Publisher Place: Hamburg
is Part of: https://openhsu.ub.hsu-hh.de/handle/10.24405/15205
Abstract: 
In diesem Beitrag wird der Einsatz hybrider neuronaler Netze für Zeitreihenprognosen in verschiedenen Bereichen wie Energie, Verkehr, Finanzen und Umweltüberwachung untersucht. Es werden die grundlegenden Bausteine hybrider neuronaler Netze und die Verwendung struktureller Lösungen wie der Bidirektionalität vorgestellt. Außerdem werden die Genauigkeit, Anwendbarkeit und Nutzbarkeit von vier Hybridmodellen bewertet, die Faltungsschichten und rekurrente Einheitenblöcke zur Vorhersage zukünftiger Werte von Zeitreihendaten verwenden. Das Papier zeigt die Funktionalität des Modells, um automatisch zeitliche Muster aus historischen Daten zu extrahieren und zeitliche Vorhersagen zu treffen. Darüber hinaus werden die Ergebnisse von Open-Loop-Simulationen von Szenarien unterschiedlicher Komplexität vorgestellt sowie Schlussfolgerungen und Perspektiven für die weitere Forschung beurteilt. Dieses Paper dient als Übersicht für Forscher und Praktiker, die an der Verwendung neuronaler Netze für Zeitreihenprognosen interessiert sind.
Description: 
Version 2: aktualisierte Fassung vom 14.02.2024 (geringfügige Änderungen)
Version 1: Originalfassung vom 08.12.2023
Organization Units (connected with the publication): Elektrische Energiesysteme 
DOI: https://doi.org/10.24405/15220
ISBN: 978-3-86818-324-5
978-3-86818-325-2
ISSN: 2698-8801
Appears in Collections:1 - Open Access Publications (except Theses)

Files in This Item:
File Description SizeFormat
openHSU_15220_v2.pdfaktualisierte Version 21.44 MBAdobe PDFView/Open
openHSU_15220_v1.pdfVersion 12.02 MBAdobe PDFView/Open
Show full item record

CORE Recommender

Google ScholarTM

Check

Altmetric


Items in openHSU are protected by copyright, with all rights reserved, unless otherwise indicated.