Прогнозирование потребительской активности с использованием методов машинного обучения
- Авторы: Новиков В.Д.1, Хамитов Р.М.1
-
Учреждения:
- ФГБОУ ВО «Казанский государственный энергетический университет»
- Выпуск: Том 14, № 1 (2024)
- Страницы: 205-214
- Раздел: Статьи
- Статья опубликована: 31.03.2024
- URL: https://ogarev-online.ru/2328-1391/article/view/299574
- DOI: https://doi.org/10.12731/2227-930X-2024-14-1-290
- EDN: https://elibrary.ru/GPEEIQ
- ID: 299574
Цитировать
Полный текст
Аннотация
В данной статье рассматривается прогнозирование потребительской активности, а в частности прогнозирование энергопотребления домохозяйств с использованием машинного обучения. Прогнозирование энергопотребления домохозяйств с использованием машинного обучения — это тема, которая затрагивает различные аспекты эффективного и экологичного использования электроэнергии. В статье рассматриваются различные методы и модели машинного обучения, которые могут быть применены для решения задачи прогнозирования. В отдельную категорию выделено рассмотрение модели нейронных сетей такой как LTSM, дается ее описание, процесс обучения и использования, а также даны преимущества и недостатки данной модели. После чего на подготовленном датасете производится обучение модели для прогнозирования энергопотребления.
Ключевые слова
Об авторах
Вадим Денисович Новиков
ФГБОУ ВО «Казанский государственный энергетический университет»
Автор, ответственный за переписку.
Email: novikovschool@gmail.com
ORCID iD: 0009-0006-8034-8956
студент кафедры «Информационные технологии и интеллектуальные системы»
Россия, ул. Красносельская, 51, г. Казань, 420066, Российская ФедерацияРенат Минзашарифович Хамитов
ФГБОУ ВО «Казанский государственный энергетический университет»
Email: hamitov@gmail.com
ORCID iD: 0000-0002-9949-4404
SPIN-код: 7401-9166
Scopus Author ID: 57222149321
студент кафедры «Информационные технологии и интеллектуальные системы»
Россия, ул. Красносельская, 51, г. Казань, 420066, Российская ФедерацияСписок литературы
- Васильев Г.В., Бердоносов В.Д. Методика по эффективному применению гибридных моделей нейронных сетей для прогнозирования энергопотребления // Электротехнические системы и комплексы. 2022. №4 (57). С. 88-95.
- Моргоева А.Д., Моргоев И.Д. Прогнозирование потребления электрической энергии промышленным предприятием с помощью методов машинного обучения // Известия ТПУ. 2022. №7. С. 115-125.
- Горбунова Е.Б. Нейросетевой подход к прогнозированию потребления энергоресурсов в городской среде // Инженерный вестник Дона. 2018. №4 (51). http://ivdon.ru/ru/magazine/archive/n4y2018/5303
- Полуянович Н.К., Дубяго М.Н. Оценка воздействующих факторов и прогнозирование электропотребления в региональной энергосистеме с учетом режима ее эксплуатации // Известия ЮФУ. Технические науки. 2022. №2 (226). С. 31-46.
- Ляндау Ю.В., Темирбулатов А.У. Обзор применения технологий искусственного интеллекта в электроэнергетической отрасли // Инновации и инвестиции. 2023. №8. С. 304-309.
- Nurfaizi A., Hasanuddin M. Ticket Prediction using LSTM on a GLPI System // International Journal of Open Information Technologies. 2023. №7. http://injoit.org/index.php/j1/article/view/1567
Дополнительные файлы
