ЗАСТОСУВАННЯ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ПРОГНОЗУВАННЯ СПОЖИВАННЯ ЕЛЕКТРОЕНЕРГІЇ
DOI:
https://doi.org/10.31891/2307-5732-2024-337-3-25Ключові слова:
згорткові нейронні мережі, рекурентні нейронні мережі, споживання електроенергії, машинне навчанняАнотація
Прогнозування енергоспоживання є критично важливим для ефективного управління енергетичними ресурсами та зниження витрат. Незважаючи на те, що рекурентні нейронні мережі (RNN) традиційно використовуються для обробки часових рядів завдяки їх здатності моделювати часові залежності, згорткові нейронні мережі (CNN) можуть запропонувати значні переваги у швидкодії за рахунок паралельної обробки даних та здатності виявляти локальні шаблони у послідовностях. У даній статті ми проводимо аналіз продуктивності цих двох типів нейронних мереж, оцінюючи їх ефективність та точність у контексті прогнозування споживання електроенергії на прикладі CNN, часових згорткових мереж (TCN) та довготривалої короткочасної пам'ятті (LSTM). У результаті встановлено, що згорткові нейронні мережі працюють на 30% точніше, та на 25% швидше.
