Rövid távú gázfogyasztás előrejelzés

OData támogatás
Konzulens:
Ceffer Attila
Hálózati Rendszerek és Szolgáltatások Tanszék

A szakdolgozat keretei között elkészítendő program céges környezetben kerül alkalmazásra, a teljes workflow közepén helyezkedik el, éppen ezért korlátozódhat a feladata főleg az előrejelzésre. Mint ilyen, az adatokat már bizonyos feldolgozás után kapja, ez azonban a megfelelő formátumba állításra korlátozódik, hiányos adatok feltöltésére nem. Épp ezért dolgozatom egy fontos része az adatminőség javítása, vagy éppen alternatív módszer keresése, amellyel hiányos adatra is tudok előrejelzést produkálni. Az előrejelzéshez több modellt is megvizsgálok, név szerint:

• Egy regressziós modell (amelynek eredménye később kézi módszerekkel feljavításra kerül, ez a későbbi kidolgozásnál több modellként fog szerepelni, a végső kiértékelésnél pedig ezeknek a leghatásosabb kombinációja fog szerepelni mint regressziós modell)

• Egy neurális hálózat

• Egy döntési fa

• És egy random forest

A dolgozatban ezek kerülnek kiértékelésre és összehasonlításra mind a kívánt fogyasztás minél pontosabb eltalálása, mind pedig futási idő szerint.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.