真棒能量预测 有关能源预测的文件，代码和其他资源清单。 竞赛 文件 2020年 Ahmad，W.，Ayub，N.，Ali，T.，Irfan，M.，Awais，M.，Shiraz，M.，＆Glowacz，A.（2020年）。 使用改进的支持向量机和极限学习机进行短期电力负荷预测。 Energies，13（11），2907。 Yagli，GM，Yang，D.，Gandhi，O.，＆Srinivasan，D.（2020年）。 我们是否可以用卫星衍生的太阳辐照度证明产生单变量机器学习预测是合理的？ 应用能源，259，114122。 Yagli，GM，Yang，D.，＆Srinivasan，D.（2019年）。 使用机器学习模型进行小时自动太阳预报。 可再生与可持续能源评论，105，487-498。 Ahmed，R.，Sreeram，V.，Mishra，Y.，＆Arif，MD（2020）。 对

在Pytorch上使用LSTM模型进行能量预测 以下存储库包含几个笔记本，可与ASHRAE的数据库配合使用，以应对Kaggle上的Great Energy Predictor III竞赛。 我们将第三个模型与其他两个模型之间的问题框架稍有不同的三个模型进行比较。 它们的网络性质不同，前两个是LSTM RNN模型，第三个是简单FCNN模型。 然后将结果进行比较，然后评估有关在预测问题上使用LSTM的便利性的一些观察结果。 训练和评估模型所用的数据对应于住宅建筑物的电力负荷，以及来自最近车站的每小时气象数据。 您可以在找到原始数据和数据描述。