监督学习算法在预测太阳能生产中的应用

发布时间：2020-05-29 13:47

【摘要】：摘要：太阳能是一种具有对环境污染最小和二氧化碳排放最低的可再生能源。为了避免能源危机,人们将更多的使用太阳能。因此,估算太阳能发电厂所产生的电量是很有意义的。近几年,机器学习技术在太阳能发电站的能源分析与预测中成为热点。研究表明：监督学习算法能显著提高预测能力,从而为决策者提供更加灵活的解决方案和支持其决策的测试统计模型。论文针对太阳能数据的特点,对太阳能数据的预处理和预测方法进行了研究。 本文首先介绍监督学习算法及其应用,然后分析和研究数据预处理的方法。结合太阳能数据的特点,提出利用均值的方法进行缺失数据的处理。对于训练数据集和验证数据集的获取,采用K层交叉验证方法对数据集进行处理而得到,并利用可视化技术从不同角度展示数据集的特点；最后使用Gradient Boosting、Random Forests和Extremely Randomized Trees三种监督学习算法在处理好的数据集上对太阳能进行预测和分析,得出Extremely Randomized Trees算法是最佳的预测太阳能的监督学习算法。本文还利用UCI数据集对这三种算法进行比较分析,实验表明Extremely Randomized Trees算法具有比较好的准确率和稳定性。 本研究中所用的软件工具是Python和R。Python主要用于数据可视化,此外,利用Python的机器学习库可实现三种算法对太阳能的预测。R则是从Python获得上述算法的结果后实现其性能的比较。
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TK511;TP181

【相似文献】

相关期刊论文 前10条

1 董玉林;庞丽萍;夏重杭;;监督学习问题中的最优性条件与数值试验[J];高等学校计算数学学报;2005年S1期

2 陈志民;杨敬锋;陈其昌;张嘉琪;陈强;;融合监督学习与凝聚层次聚类的土地评价方法[J];计算机工程与应用;2007年18期

3 张钢;印鉴;程良伦;钟钦灵;;半监督多示例核[J];计算机科学;2011年09期

4 费越,汪力新,戴汝为;竞争监督学习法在集成型识别系统中的应用[J];自动化学报;1999年03期

5 袁优;张钢;;一种基于标签传播的半监督核学习算法[J];电脑与电信;2013年11期

6 汪力新;费越;戴汝为;;基于人机结合的竞争监督学习[J];模式识别与人工智能;1997年03期

7 蒋艳凰;周海芳;杨学军;;监督学习的发展动态[J];计算机科学;2003年07期

8 寿皓;;序列数据的监督学习方法综述[J];机电工程技术;2012年08期

9 黄德双;自监督学习子空间模式识别方法的统计特性分析[J];电子学报;1995年09期

10 周哲;;基于情感词典和监督学习的中文短评论情感分类[J];漳州师范学院学报(自然科学版);2013年04期

相关会议论文 前1条

1 李军;孙金生;王执铨;;模型参考神经元控制[A];1996中国控制与决策学术年会论文集[C];1996年

相关博士学位论文 前3条

1 程圣军;基于带约束随机游走图模型的弱监督学习算法研究[D];哈尔滨工业大学;2014年

2 孟佳娜;迁移学习在文本分类中的应用研究[D];大连理工大学;2011年

3 夏铮;基于图和网络的学习算法及其在系统生物学中的一些应用[D];浙江大学;2009年

相关硕士学位论文 前10条

1 郭佳骋;监督学习的话题模型[D];上海交通大学;2010年

2 戴卫特;监督学习算法在预测太阳能生产中的应用[D];中南大学;2014年

3 张从乐;基于知识型数据的监督学习[D];上海交通大学;2008年

4 杨杰;监督主题模型的研究与应用[D];华中科技大学;2011年

5 李钢;代价敏感的支持向量机监督学习研究[D];南京师范大学;2007年

6 姚娜娜;基于机器学习的产品评论情感分类研究[D];首都师范大学;2013年

7 杨志武;多示例学习算法研究[D];郑州大学;2007年

8 甘海涛;有监督的模糊聚类算法研究[D];武汉工业学院;2010年

9 周峰;基于语义和监督学习的生物医学文献知识发现[D];大连理工大学;2010年

10 徐作英;基于半监督聚类算法的研究与应用[D];青岛大学;2010年

，

本文编号：2687017