Разработка модели машинного обучения для системы «умный дом»

Abstract

Машинное обучение повышает эффективность использования систем «умный дом», позволяет конструкциям домашней автоматизации регулировать отопительную и охладительную системы, освещение, температуру помещения и другие параметры. Вариабельность данных и совершенствование таких систем требуют постоянного расширения наборов данных, переобучения или дообучения моделей машинного обучения, модификации алгоритмов и архитектур. В статье представлены модели прогнозирования тепловой и охлаждающей нагрузок дома на основе методов машинного обучения. Приведены результаты исследовательского анализа данных, построения моделей регрессии для прогнозирования загрузки отопительной и охладительной систем. Показана эффективность подбора значений гиперпараметров на основе метода поиска по решетке. Рассмотрена нейросетевая модель, позволяющая одновременно прогнозировать загрузку отопительной и охладительной систем. Выполнены оценка точности и сравнение моделей на основе метрик качества регрессии.