基於SARIMA、XGBoost和CNN-LSTM的時間序列預測對比
阿新 • • 發佈:2022-12-09
利用統計測試和機器學習分析和預測太陽能發電的效能測試和對比
本文將討論通過使用假設測試、特徵工程、時間序列建模方法等從資料集中獲得有形價值的技術。我還將解決不同時間序列模型的資料洩漏和資料準備等問題,並且對常見的三種時間序列預測進行對比測試。
介紹
時間序列預測是一個經常被研究的話題,我們這裡使用使用兩個太陽能電站的資料,研究其規律進行建模。首先將它們歸納為兩個問題來解決這些問題:
- 是否有可能識別出效能欠佳的太陽能元件?
- 是否可以預報兩天的太陽能發電量?
在繼續回答這些問題之前,讓我們先了解太陽能發電廠是如何發電的。
上圖描述了從太陽能電池板模組到電網的發電過程。太陽能通過光電效應直接轉化為電能。當矽(太陽能電池板中最常見的半導體材料)等材料暴露在光線下時,光子(電磁能量的亞原子粒子)被吸收並釋放自由電子,從而產生直流電(DC)。使用逆變器,直流電被轉換成交流電(AC)併發送到電網,在那裡它可以被分配到家庭。
完整文章:
https://avoid.overfit.cn/post/b6403a2eb89247dfb3a1b927519f58c0