Использование моделей машинного обучения для прогнозирования генерации возобновляемых источников энергии; Информационные технологии в науке, образовании и производстве. ИТНОП-2025

Использование моделей машинного обучения для прогнозирования генерации возобновляемых источников энергии; Информационные технологии в науке, образовании и производстве. ИТНОП-2025

Bibliografiska uppgifter
Parent link:Информационные технологии в науке, образовании и производстве. ИТНОП-2025.— 2025.— С. 314-319
Huvudupphovsman: Фикс Н. П. Наталья Павловна
Sammanfattning:Заглавие с экрана
Выполнен анализ методов машинного обучения, применяемых для прогнозирования генерации возобновляемых источников энергии, подчеркиваются их преимущества и ограничения. Статистические и физические методы часто обеспечивают неоптимальную точность. Методы глубокого обучения и гибридные модели превосходят классические методы машинного обучения в точности прогнозирования. Также обсуждаются текущие проблемы и перспективные направления
This paper reviews machine learning techniques applied to forecasting renewable energy generation, highlighting their advantages and limitations. Statistical and physical methods often provide suboptimal accuracy. Deep learning methods and hybrid models outperform conventional machine learning models in prediction accuracy. Ongoing challenges and promising directions are also discussed
Текстовый файл
Språk:ryska
Publicerad: 2025
Ämnen:
глубокое обучение
прогнозирование генерации
возобновляемые источники энергии
машинное обучение
нейронные сети
труды учёных ТПУ
электронный ресурс
Länkar:https://myconfs.ru/files/itnop2025/usermaterials/Sbornik%20ITNOP-2025.pdf#page=316
Materialtyp: Elektronisk Bokavsnitt
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=683018

Liknande verk

Liknande verk