資料驅動之模糊類神經網路預測模型塑模與其應用(II)

本報告針對時間序列預測問題，提出一新智慧型預測機制以推估未來或領前數步的狀態或結果，並建置一實際的預測系統說明該預測機制的效能。預測技術通常需要具有線上學習演化預測模型能力以自動適應概念漂移(Concept drift)與概念位移(Concept shift)所產生的效應，然而預測模型的線上學習演化主要的挑戰在於時間與記憶體效能(Fast and memory efficient)、適應性(Adaptive)、雜訊強健性(Robust to noise)等。此外，領前多步預測需要克服隨著領前步數的增加，其預測的不確定性也急速提高的問題。根據前一年度已完成建置一日射量資料平台，以及設計一智慧型日射量預測機制等研究成果，本報告建置一極短期的日射量智慧型預測系統與其預測效能比較與評估，其中極短期為每5分鐘預測一次，預測時間範圍5分鐘至30分鐘。