Adaptív földgáz fogyasztás előrejelzés, fejlett gépi tanulási módszerek segítségével

OData támogatás
Konzulens:
Ács Judit
Automatizálási és Alkalmazott Informatikai Tanszék

Jelen diplomatervet egy valós ipari probléma indukálta, melynek célja egy földgáz fogyasztás előrejelző rendszer megalkotása, mely Magyarországon mért múltbeli adatok alapján képes, a jövőbeni fogyasztás pontos előrejelzésére, ezzel megkönnyítve a gázkereskedők jövőbeni gázszállítási tervezetét. A prediktív rendszer létrehozásához többféle gépi tanulási módszert használok, melyeket a rendelkezésre álló adathalmazon tanítok és a definiált költség függvény alapján kiértékelem, hogy melyik adja a legjobb eredményeket. A tanítás során felhasznált adatok, a múltbeli gázfogyasztás mennyisége (lakossági és ipari felhasználókat figyelembe véve), a hőmérséklet és a naptári időszak alapján történt.

A felhasznált gépi tanulási módszerek a lineáris regresszió, az előrecsatolt neurális háló és a visszacsatolt neurális háló (ezen belül pedig a szekvenciális adatokat jól kezelő, LSTM neurális háló). A lineáris regresszió egy referencia modellként szolgál, míg a két neurális háló típusnak különböző előnyei vannak, melyek lehetővé teszik egy pontos előrejelzés elkészítését. Jelen írás célja, hogy bemutassa idősoros adatok előrejelzését nem csak statisztikai módszerekkel lehet készíteni, hanem számos modern gépi tanulási technikával is.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.