文件名称：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
文件大小：467KB
文件格式：ZIP
更新时间：2024-03-08 23:41:30
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
【文件预览】：
Timeseries-Analysis-Energy-Data-master
----pic1dayton.png(28KB)
----xgboost2.png(163KB)
----lstm.png(64KB)
----prophet.png(59KB)
----xgboost.png(40KB)
----rnn.png(64KB)
----rmse.png(7KB)
----README.md(3KB)
----dayton_hourly.png(50KB)