load-forecasting:基于时间序列回归的基于历史负荷和温度数据的负荷预测模型-源码

上传者: 42127775 | 上传时间: 2021-09-27 10:06:57 | 文件大小: 478KB | 文件类型: ZIP
负荷预测 该负载预测器旨在执行24小时的短期和长期负载预测。 数据源 从2012年11月到2013年12月,提供了加利福尼亚州一个样本家庭的15分钟间隔负荷数据和每小时温度数据。 选型 为了适应负载需求的非线性相互作用,选择了多层感知器回归器对该负载数据进行建模。 实现了八个预测变量: 内插温度* 24小时滞后负载* 7天滞后负载* 前一天的平均负载* 一天中的时间 星期几 一年中的一天 周末/节假日 *仅用于短期预测 预测24小时 您可以训练模型并在24小时内执行预测。 forecast_date表示24小时间隔的开始时间。 import forecaster forecaster . train_model_and_forecast ( load_data = 'load_temperature_data.csv' , forecast_date = '2018-6-30

文件下载

资源详情

[{"title":"( 6 个子文件 478KB ) load-forecasting:基于时间序列回归的基于历史负荷和温度数据的负荷预测模型-源码","children":[{"title":"load-forecasting-master","children":[{"title":"load_temperature_data.csv <span style='color:#111;'> 2.47MB </span>","children":null,"spread":false},{"title":"forecaster.py <span style='color:#111;'> 10.54KB </span>","children":null,"spread":false},{"title":"US Bank holidays.csv <span style='color:#111;'> 3.63KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.53KB </span>","children":null,"spread":false},{"title":"Methodology and Key Findings.docx <span style='color:#111;'> 166.01KB </span>","children":null,"spread":false},{"title":"forecast_evaluator.py <span style='color:#111;'> 1.18KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

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