ИСПОЛЬЗОВАНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ ПРИ ПЛАНИРОВАНИИ ПОТРЕБЛЕНИЯ ЭНЕРГЕТИЧЕСКИХ РЕСУРСОВ
DOI:
https://doi.org/10.52754/16948645_2023_1_220Ключевые слова:
прогнозирование, многомерные временные ряды, планирование энергопотребления, машинное обучение, глубокое обучение, интервальное прогнозирование.Аннотация
В статье рассматривается актуальная проблема прогнозирования потребления энергетических ресурсов, в частности, объемов потребления тепловой энергии для жилых домов. Приведены основные аспекты выбора прогнозной модели в зависимости от постановки задачи и характера прогнозируемых данных. Рассмотрены несколько современных методов прогнозирования многомерных временных рядов и проведено исследование точности прогнозных моделей на реальных данных, также проведено сравнение точности с моделями, основанными на классических статистических методах прогнозирования.
Библиографические ссылки
Manusov V. Analysis of electricity consumption forecasting methods for the coal industry / V. Manusov, D. Orlov, V. Karmanov [et al.] // Przeglad Elektrotechniczny. – 2022. – Vol. 98, iss. 9. – P. 26-31. DOI 10.15199/48.2022.09.05 DOI: https://doi.org/10.15199/48.2022.09.05
Manusov V. Forecasting Electricity Consumption of Electrical Machines of a Coal Industry Enterprise Using the Wavelet Transform / V. Manusov, D. Orlov, V. Karmanov [et. al.]. // IEEE 23 International Conference of Young Professionals in Electron Devices and Materials (EDM) to the 100th anniversary of the legendary NETI rector Georgy Lyshchinsky : IEEE, 2022. – 4 p. – ISBN 978-1-6654-9804-3. DOI 10.1109/EDM55285.2022.9855175 DOI: https://doi.org/10.1109/EDM55285.2022.9855175
Manusov V. Investigation of Load Schedules of Electrical Machines of a Mining Enterprise Using Wavelet Analysis / V. Z. Manusov, D. V. Orlov, P. V. Matrenin [et al.] // IEEE 23 International Conference of Young Professionals in Electron Devices and Materials (EDM) to the 100th anniversary of the legendary NETI rector Georgy Lyshchinsky : IEEE, 2022. – 4 p. – ISBN 978-1-6654-9804-3. DOI: 10.1109/EDM55285.2022.9855045 DOI: https://doi.org/10.1109/EDM55285.2022.9855045
Manusov V. Predictive Control and Production Process Forecasting Under Deterministic Chaos / V. Manusov, D. Orlov, V. Karmanov [et. al.] // IEEE 23 International Conference of Young Professionals in Electron Devices and Materials (EDM) to the 100th anniversary of the legendary NETI rector Georgy Lyshchinsky : IEEE, 2022. – 5 p. – ISBN 978-1-6654-9804-3. DOI: 10.1109/EDM55285.2022.9855192 DOI: https://doi.org/10.1109/EDM55285.2022.9855192
Hastie T. The Elements of Statistical Learning / T. Hastie, R. Tibshirani, J. Friedman. – Springer, 2017. – 763 p.
Brownlee J. Introduction to Time Series Forecasting with Python / J. Brownlee. – Machine learning mastery, 2020. – 364 p.
Manusov V. Analysis of methods of electricity consumption forecasting for a coal industry enterprise / V. Manusov, D. Orlov, V. Karmanov [et al.] // IOP Conference Series: Earth and Environmental Science. – 2022. – Vol. 1045, iss. 1 : Ensuring sustainable development in the context of agriculture, green energy, ecology and earth science (ESDCA–2022): 2 International scientific and practical conference, Smolensk, 23–27 Jan. 2022. – Art. 012035 (11 p.). DOI 10.1088/1755-1315/1045/1/012035. DOI: https://doi.org/10.1088/1755-1315/1045/1/012035
Айвазян С. А. Прикладная статистика. Основы эконометрики : учебник для вузов : в 2-х т. / С. А. Айвазян. – М.: ЮНИТИ-ДАНА, 2001. – Т. 2. – 432 с.
Rusyana A. Application of Clustering and VARIMA for Rainfall Prediction / A. Rusyana, N. Tatsara // IOP Conference Series Materials Science and Engineering. 2020. 796(1):012063. DOI:10.1088/1757-899X/796/1/012063 DOI: https://doi.org/10.1088/1757-899X/796/1/012063
Natekin A. Gradient boosting machines, a tutorial / A. Natekin, A. Knoll // Front. Neurorobot. 2013. Vol. 7. № 21. DOI: 10.3389/fnbot.2013.00021 DOI: https://doi.org/10.3389/fnbot.2013.00021
Anghel A. Benchmarking and optimization of gradient boosting decision tree algorithms / A. Anghel, N. Papandreou, T. Parnell [et al.] – URL: https://arxiv.org/abs/1809.04559 (дата обращения – 30.03.2023 г.)
Elman J. Finding Structure in Time / J. Elman // Cognitive Science. 1990. 179-211 pp. DOI: https://doi.org/10.1207/s15516709cog1402_1
Hochreiter S. Long Short-Term Memory / S. Hochreiter, J. Schumidhuber // Neural Computation. 1997. Vol. 9. № 8. 1735-1780 pp. DOI: 10.1162/neco.1997.9.8.1735 DOI: https://doi.org/10.1162/neco.1997.9.8.1735
Vaswani A. Attention Is All You Need / A. Vaswani, N. Shazeer, N. Parmar [et al.] – URL: https://arxiv.org/abs/1706.03762 (дата обращения – 30.03.2023 г.)
Lim B. Temporal Fusion Transformers for Interpretable Multi-horizon Time Series Forecasting / B. Lim, S. Arik, N. Loeff [et al.] – URL: https://arxiv.org/abs/1912.09363 (дата обращения – 30.03.2023 г.)
Bai S. An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling / S. Bai, J. Kolter, V. Koltun – URL: https://arxiv.org/abs/1803.01271 (дата обращения – 30.03.2023 г.)
Сапрыкин К. Автоматизация процесса анализа временных рядов с использованием модели AUTO.ARIMA в R / К. Сапрыкин // Научный журнал. 2019. №5 (39). URL: https://cyberleninka.ru/article/n/avtomatizatsiya-protsessa-analiza-vremennyh-ryadov-s-ispolzovaniem-modeli-auto-arima-v-r (дата обращения: 30.03.2023 г.)
Zorin P. Data of heating meters from residential buildings in Tomsk (Russia) for statistical modeling of the thermal characteristics of buildings / P. Zorin, O. Stukach – URL: https://ieee-dataport.org/documents/data-heating-meters-residential-buildings-tomsk-russia-statistical-modeling-thermal (дата обращения – 30.03.2023 г.)
Biloš M. Irregularly-Sampled Time Series Modeling with Spline Networks / M. Biloš, E. Ramneantu, S. Günnemann– URL: https://arxiv.org/abs/2210.10630 (дата обращения – 30.03.2023 г.)
CatBoost [Electronic resource] / URL: https://catboost.ai/docs/ (date of the application: 01.03.2023)
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Вестник Ошского государственного университета. Математика. Физика. Техника
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
