Prediktivni modeli potrošnje električne energije

završni rad

• Autor: Josip Bubalo
• Mentor: Hrvoje Pandžić (mentor)
• Član povjerenstva: Hrvoje Pandžić (predsjednik povjerenstva)
• Član povjerenstva: Mateo Beus (član povjerenstva)
• Član povjerenstva: Juraj Havelka (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-02, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Tema ovog rada je izrada prediktivnih modela strojnog učenja za potrošnju električne energije u kućanstvu. Nakon prikupljanja podataka nad njima je napravljena analiza u kojoj su otklonjene stršeće vrijednosti i popunjene rupe. S kompletiranim podatcima izrađeno je tri vrste modela predviđanja, osnovni baseline modeli, modeli linearne regresije i model slučajne šume. Na kraju, napravljena je usporedba uspješnosti predviđanja te tri vrste modela.

Sažetak (engleski)

The topic of this thesis is the development of predictive machine learning models for household electricity consumption. After collecting the data, an analysis was made, in which outliers were removed and holes were filled. Three types of prediction models were created with the completed data: basic baseline models, linear regression models and random forest models. Finally, a comparison of the prediction performance of those three types of models was made.

• Ključne riječi: Strojno učenje; analiza podataka; predviđanje; Linearna regresija; Random forest
• Ključne riječi (engleski): Machine learning; data analysis; prediction; Linear regression; Random forest
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:334332
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 20:12:55