Primjena metode potpornih vektora za dugoročno predviđanje potrošnje

diplomski rad

• Naslov (engleski): Long term load forecasting based on support vector machine
• Autor: Barbara Brna
• Mentor: Igor Kuzle (mentor)
• Član povjerenstva: Igor Kuzle (predsjednik povjerenstva)
• Član povjerenstva: Tomislav Tomiša (član povjerenstva)
• Član povjerenstva: Vladimir Mikuličić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2014-07-15, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

Dugoročno predviđanje potrošnje električne energije ima važnu ulogu prilikom planiranja izgradnje i obnavljanja infrastrukture. Sa napretkom tehnologije, umjetna inteligencija ima sve veću ulogu u predviđanju. Uz genetske algoritme, neuronske mreže, "fuzzy" logiku, "wavelet" mreže i ekspertne sustave, najvažnija metoda je metoda potpornih vektora. Ta metoda koristi strojno učenje za razvijanje modela kojim tada radi predviđanje. U ovom radu metoda potpornih vektora korištena je za dugoročno predviđanje potrošnje Krapinsko-zagorske županije. Faktori kojima je razvijen model su bili potrošnja u prošlosti, te BDP Krapinsko-zagorske županije. Prikazani su rezultati predviđanja dobiveni različitim metodama provjere, te je odabrano predviđanje koje daje najvjerojatnije rezultate.

Sažetak (engleski)

Long term load forecasting has a very important role in developing and reconstruction of infrastructure. Because of technology advances, artificial intelligence is becoming an substantial tool in load forecasting. Besides genetic algorithms, neural networks, fuzzy logic, wavelet networks and expert systems, the most important method is Support Vector Machine. This method uses machine learning to develop a model, which is then used for forecasting. In this thesis support vector machines are used for long term load forecasting in Krapina-Zagorje County. The model is developed using past load demand data and gross domestic product in Krapina-Zagorje County. Finally, results are shown for different methods of validation, and the prediction with the most probable results has been chosen.

• Ključne riječi: dugoročno predviđanje potrošnje; umjetna inteligencija; strojno učenje; metoda potpornih vektora; kernel; LS-SVM; objektno orijentirano sučelje
• Ključne riječi (engleski): long term load forecasting; artificial intelligence; machine learning; support vector machine; kernel; LS-SVM; object oriented model interface
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:523601
• Studijski program: Naziv: Elektrotehnika i informacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (mag. ing. el. techn. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 08:04:13