Прогнозирование энергетических характеристик фотоэлектрических станций методами обучения деревьев решений

Хорошко, В. В.; Аксенов, О. Д.; Осмоловская, Т. Н.; Шнейдеров, Е. Н.; Бруй, Н. М.

Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/43873

Title:	Прогнозирование энергетических характеристик фотоэлектрических станций методами обучения деревьев решений
Other Titles:	Forecasting energy characteristics of photoelectric stations by the methods of learning solution trees
Authors:	Хорошко, В. В. Аксенов, О. Д. Осмоловская, Т. Н. Шнейдеров, Е. Н. Бруй, Н. М.
Keywords:	публикации ученых;материалы конференций;солнечные элементы;деревья решений;solar cells;trees repressor’s
Issue Date:	2021
Publisher:	Бестпринт
Citation:	Прогнозирование энергетических характеристик фотоэлектрических станций методами обучения деревьев решений / В. В. Хорошко [и др.] // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей VII Международной научно-практической конференции, Минск, 19-20 мая 2021 года / редкол.: В. А. Богуш [и др.]. – Минск : Бестпринт, 2021. – С. 390–394.
Abstract:	В статье представлены результаты прогнозирования выработки электроэнергии фотоэлектрическими (солнечными) электростанциями (ФЭС) методами обучения деревьев решений. Для прогнозирования были использованы деревянные модели, основаны на деревьях решений DecisionTree, GradientBoosting, RandomForest. Для оценки точности прогнозирования оценивались среднеквадратичная ошибка (MSE), средняя абсолютная ошибка (MAE), коэффициент детерминации (R2).
Alternative abstract:	At present, the results of forecasting the generation of electricity by photovoltaic (solar) power plants by methods of training decision trees. For forecasting, wooden models was used, based on decision trees DecisionTree, GradientBoosting, RandomForest. To assess the prediction accuracy, the mean square error (MSE), the mean absolute error (MAE), and the coefficient of determination (R2) was estimated.
URI:	https://libeldoc.bsuir.by/handle/123456789/43873
ISBN:	978-985-7267-09-5
Appears in Collections:	BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2021)

Files in This Item:

File	Description	Size	Format
Khoroshko_Prognozirovaniye.pdf		1.4 MB	Adobe PDF	View/Open

Show full item record Google Scholar