خرید و دانلود نسخه کامل کتاب Statistical Learning Tools for Electricity Load Forecasting

توضیحاتی در مورد کتاب

این مونوگراف مجموعه‌ای از ابزارهای آماری و یادگیری ماشینی را بررسی می‌کند که می‌توانند به طور موثر برای تجزیه و تحلیل داده‌های کاربردی در زمینه پیش‌بینی بار الکتریکی مورد استفاده قرار گیرند. نویسندگان با تکیه بر تحقیقات و تجربیات اساسی خود در زمینه پیش‌بینی تقاضای برق در محیط‌های صنعتی، خوانندگان را از طریق چندین روش و ابزار پیش‌بینی مدرن از هر دو دیدگاه صنعتی و کاربردی راهنمایی می‌کنند – مدل‌های افزایشی تعمیم‌یافته (GAMs)، GAM‌های احتمالی، سری‌های زمانی عملکردی و موجک‌ها، تصادفی. جنگل‌ها، تجمیع کارشناسان، و مدل‌های اثرات مختلط. مجموعه ای از مطالعات موردی بر اساس مجموعه داده های قابل توجه با وضوح بالا، همراه با بسته های R مربوطه، سپس اجرای این تکنیک ها را نشان می دهد. پنج مجموعه داده واقعی در سه سطح مختلف تجمیع (در سطح کشور، در سطح منطقه، یا فردی) از چهار کشور مختلف (بریتانیا، فرانسه، ایرلند و ایالات متحده آمریکا) برای مطالعه پنج مشکل استفاده می‌شوند: پیش‌بینی نقطه‌ای کوتاه‌مدت. ، انتخاب متغیرهای مرتبط برای پیش‌بینی، ساخت باندهای پیش‌بینی، پیش‌بینی اوج تقاضا و استفاده از داده‌های مصرف‌کننده فردی.

این متن برای پزشکان، محققان و دانشجویان تحصیلات تکمیلی در نظر گرفته شده است که روی پیش‌بینی بار برق کار می‌کنند. ; همچنین ممکن است برای دانشگاهیان یا دانشمندان کاربردی که مایلند در مورد ابزارهای پیش‌بینی پیشرفته برای کاربرد در سایر زمینه‌ها بیاموزند، جالب باشد. فرض بر این است که خوانندگان با مفاهیم آماری استاندارد مانند متغیرهای تصادفی، توابع چگالی احتمال و مقادیر مورد انتظار آشنا هستند و حداقل تجربه مدلسازی را دارند.