Найти

Расширенные фильтры
Опубликовано после
Опубликовано до

Результаты поиска

Найден один результат.

  • ОЦЕНКА ВЛИЯНИЯ ГИПЕРПАРАМЕТРОВ НЕЙРОСЕТИ НА ТОЧНОСТЬ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЛЕНИЯ

    Н.К. Полуянович , О.В. Качелаев , Т. Э. Фалькон
    2024-10-08
    Аннотация ▼

    Работа посвящена проблеме повышения точности краткосрочного прогнозирования по-
    требления электроэнергии с помощью инструментов глубокого машинного обучения. Исследо-
    вано влияние задаваемых гиберпараметров нейронной сети (НС) на погрешность прогнозирова-
    ния электропотребления, таких как: размер пакета данных – Bs; количество слоев НС – j;
    функции активации нейронов – Fa; оптимизаторы – O. Определены оптимальные гиперпара-
    метры НС-модели для прогнозирования электропотребления (ЭП) для потребителя аддитивно-
    го и циклического типа. Проведенный анализ влияния размера пакета (BatchSize) на точность
    прогноза показал повышение эффективности обучения НС с ростом пакета входных данных.
    Проведенный анализ влияние количества слоев показал, что с увеличением количества слоев НС
    время обучения сокращается, а ее предсказания становятся точнее. Проведенное исследование
    различных оптимизаторов на скорость обучения показало, что наилучшие результаты демон-
    стрируют оптимизаторы “Adam” и “RMSprop”. Показано, что от выбора функции активации
    зависит, то насколько быстро будет обучаться НС и насколько точными будут ее прогнозы.
    Использование различных методов регуляризации позволяет НС достичь лучших результатов на
    практике, улучшая их способность к обобщению и увеличивая точность предсказаний. Показа-
    но, что для достижения минимальной погрешности прогнозирования, следует индивидуально
    настраивать параметры сети для каждого потребителя, учитывая значительные различия в
    характере энергопотребления. Проведено обучение и тестирование созданной сети с подобран-
    ными параметрами на обучающей и тестовой выборке, содержащей данные об электропотреб-
    лении за 2 года (17520 часов). Анализ входных данных по электропотреблению показал, что оп-
    тимальными параметрами прогностической нейросетевой модели в ручном режиме являются:
    размер пакета 250 (подобрано эмпирически), 5 слоев, функция активации “ReLU”, оптимизатор
    “Adam”. Рассмотрены различные способы подбора гиперпараметров (вручную и посредством
    генетического алгоритма (ГА)).

1 - 1 из 1 результатов