Дослідження якості багатокрокового прогнозування часових рядів

Анотація

Робота присвячена дослідженню якості багатокрокового прогнозування часових рядів. Для прогнозування застосовуються дані споживання електроенергії. Виконано реалізацію п'яти моделей багатокрокового прогнозування з подальшим їх навчанням та оцінкою отриманих результатів. Набір даних є модернізованими щохвилинними вимірюваннями показників споживання електроенергії за чотири роки. Дані розділені на навчальну, валідаційну та тестову вибірки для навчання та тестування моделей. Реалізація спрощена завдяки використанню бібліотеки машинного навчання TensorFlow, що дозволяє зручно обробляти та подавати дані; будувати та навчати нейронні мережі. Функціонал TensorFlow надає і стандартні метрики, які застосовуються для оцінки точності прогнозування часових рядів, що дозволило оцінити отримані моделі прогнозування часового ряду споживання електроенергії та виділити найкращу із розглянутих за показниками. Моделі побудовані таким чином, що можуть бути застосовані у дослідженнях якості прогнозування часових рядів різних галузей життєдіяльності людини. Задача багатокрокового прогнозування на 24 години вперед, що розглядається в роботі, ще не вирішувалося для оцінки споживання електроенергії. Отримана точність прогнозування зіставна з опублікованими останнім часом методами оцінки споживання електроенергії, що застосовуються в інших умовах. При цьому покращено точність прогнозування побудованих моделей в порівнянні з іншими методами.