问电力生产时间序列预测中的外部因素
EN

Data Science用户

提问于 2023-04-18 09:39:09

回答 1查看 31关注 0票数 0

我正在做一个机器学习时间序列预测发电厂的发电份额(核能，燃煤，煤气，太阳能，风能，水等)。在我的国家5年的时间里。我有自2010年以来的历史数据(按发电厂计算的每周平均数据)。

是否有方法在预测中包括外部因素，如LSTM，XGBoost，支持向量机，ARIMA等。例如，告诉该模型，预计未来将安装一定比例的太阳能发电厂，或者一些燃煤发电厂将在未来两年关闭，因此这类发电厂很可能会失去在整个电力生产中的份额？

我觉得如果我只依靠历史数据而不包括其他因素的话，预测就不可能是好的。

机器学习对电力生产份额的长期预测是否有很好的选择？

发布于 2023-04-18 10:37:19

绝对是的。作为开始，一种方法结合时间序列技术(例如ARIMA)来了解历史趋势，并利用ML算法(例如随机森林)来结合其他外部因素来改进预测。

就我个人而言，我发现这个Kaggle学习的课程非常有用。

票数 0

页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://datascience.stackexchange.com/questions/120996

复制

相似问题

问电力生产时间序列预测中的外部因素EN