Evaluation of hybrid forecasting methods for organic Rankine cycle: Unsupervised learning-based outlier removal and partial mutual information-based feature selection

•The nonlinear characteristics of real organic Rankine cycle (ORC) data are analysed.•An unsupervised learning-based algorithm is proposed for outlier removal.•A partial mutual information-based feature selection is performed.•Our hybrid method has superior performance in ORC forecasting. The constr...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Applied energy Ročník 311; s. 118682
Hlavní autoři:	Ping, Xu, Yang, Fubin, Zhang, Hongguang, Xing, Chengda, Zhang, Wujie, Wang, Yan
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.04.2022
Témata:	algorithms energy Feature selection mathematical theory neural networks Organic Rankine cycle Outlier removal Partial mutual information prediction thermodynamics Unsupervised learning Partial mutual information Outlier removal Feature selection Organic Rankine cycle Unsupervised learning
ISSN:	0306-2619
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!