时间序列分析-能源数据：能源预测的不同时间序列模型的比较
介绍
未来数据的预测在能源领域非常重要，因为有关未来消费和发电趋势的信息可以帮助规划电厂的运营。 该分析比较了各种模型进行时间序列预测，以确定哪种模型效果最好
数据
数据来自Kaggle： ://www.kaggle.com/robikscube/hourly-energy-consumption包含兆瓦（MW）中各种电力公司的能耗读数。 代顿数据集已用于此分析。 但是，最后将包含所有电力公司数据的主数据集用于实验模型。
数据探索
数据从2005年到2018年大约开始，并且每小时记录一次。
分析
使用的4个模型是FBProphet，XGBoost，递归神经网络（RNN）和长期短期记忆（LSTM）（RNN的变体）。数据在使用前已进行了标准化。 FBProphet，RNN和LSTM模型可以按原样使用时间戳数据，但是XGBoost需要将时间戳分解为单独的组件。 所有这些模型都已在Dayton数
文件下载
资源详情
[{"title":"（ 9 个子文件 467KB ） 时间序列分析-能源数据：能源预测的不同时间序列模型的比较","children":[{"title":"Timeseries-Analysis-Energy-Data-master","children":[{"title":"pic1dayton.png <span style='color:#111;'> 28.35KB </span>","children":null,"spread":false},{"title":"xgboost2.png <span style='color:#111;'> 162.90KB </span>","children":null,"spread":false},{"title":"lstm.png <span style='color:#111;'> 64.44KB </span>","children":null,"spread":false},{"title":"prophet.png <span style='color:#111;'> 59.44KB </span>","children":null,"spread":false},{"title":"xgboost.png <span style='color:#111;'> 40.27KB </span>","children":null,"spread":false},{"title":"rnn.png <span style='color:#111;'> 63.85KB </span>","children":null,"spread":false},{"title":"rmse.png <span style='color:#111;'> 7.34KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 2.61KB </span>","children":null,"spread":false},{"title":"dayton_hourly.png <span style='color:#111;'> 50.29KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
其他资源
- 互相关的时延估计算法
- 一个OFDM通信系统的完整仿真MATLAB程序
- Kinect驱动，PC上驱动之一
- javaweb登陆注册界面
- GhostScript_Windows_9.15_win32_win64
- 有限元基础教程——曾攀
- java 做的仓库管理系统
- UltraEdit_17+UltraCompare+注册机
- 一种低复杂度运动补偿时间滤波新策略研究
- JUnit测试jar包.zip
- spring-cloud-project.rar
- stackoverflow：我在堆栈溢出中的答案-源码
- 网上书店软件工程实验报告
- Learning Jupyter
- 数子水印 c++ vc
- 支付宝+微信·收款声音播报资源
- PB课程设计 医院管理系统
- eclipse-jee-oxygen-3 64
- 基于matlab的灰度图像的多重分形谱
- OpenGL环境下贴图法画树代码
- 三星K4B4G1646E.PDF
- VS2017&OpenGL;环境搭建
- 企业内部通信系统开发
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明