开放存取
问题 |
E3S网页汇编
卷积3912023
4线程可持续能源设计制造国际会议 |
|
---|---|---|
文章号 | 01048 | |
页数 | 九九 | |
多尔市 | https://doi.org/10.1051/e3sconf/202339101048 | |
在线发布 | 2023年6月5日 |
必威主页
39101048(2023)
电耗预测使用机器学习
信息技术部,GRIET,印度
*对应作者 :jaswithaaitha@gmail.com
电的使用对环境、能源分配成本和能源管理有重大影响,因为它直接影响到这些成本。长期技术在预测功率使用时精度和可扩缩性方面有固有限制机学习技术提高后,现可适当预测用前数据使用电量本文提供机器学习法预测电源使用研究中,我们研究数机学习技巧,包括线性回归法、近邻法、XGBOST法、随机森林法和人工神经网络法预测电量使用法使用从电力商企业接收的历史电数据,我们培训并评估这些模型数据值一年时功用预处理解决异常值和缺失数各种评估尺度,包括平均绝对误差(MAE)、根均方差(RMSE)和系数判定(R2)用于评估模型性能[19]结果显示建议方法可准确预测功率使用近邻模型性能优于所有其他模型,预测农业生产精确率90.92%
关键字 :KNN/ANN/随机森林/XGOost回归器
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间