文章目录
- 课题描述
- ASU 综合能源系统的 多元负荷预测
- 解决思路
- 预告
- 数据一览
- LSTMs 模型：
- 模型比较：
- 详细文档与提问
本人专挑数据挖掘、机器学习和 NLP 类型的题目做，有兴趣也可以逛逛我的数据挖掘竞赛专栏。
如果本篇博文对您有所帮助，请不要吝啬您的点赞 😊
数据来源：https://cm.asu.edu/
课题描述
本文主要介绍如何使用机器学习算法，主要列举了包括：一元线性回归、支持向量机、决策树、k 近邻算法、AdaBoost、随机森林 等多个机器学习算法；同时，也介绍了使用深度学习算法 LSTMs 模型，来解决多元时序负荷数据的预测模型。
当然，主要将理论就有些扫兴了，因此本文结合了一个课题来进行介绍，课题的主要细节如下：
能源负荷与价格、政策、天气等多种影响因素相关，难以建立精确的数学模型，阻碍了传统的负荷预测方法获得令人满意的结果。人工智能方法在分析过程中无须建立对象的精确模型
