基于机器学习模型与元启发式优化的教育机构用水与用电消耗预测
机器学习
2024-10-28 v1
摘要
教育机构是经济和社会发展的重要力量。近年来巴西的预算削减使其开展活动和项目困难重重。在用水和用电费用方面，泄漏和设备故障等突发情况会导致管理工作受挫。本研究提出对巴西帕拉马斯校区的联邦技术学院进行用水和用电消耗预测，采用随机森林 (Random Forest, RF) 和支持向量回归 (Support Vector Regression, SVR) 两种机器学习模型进行比较，预测时程为12个月，并评估气候变量作为外生特征的影响。所收集的数据覆盖过去五年，包含发票细节以及外生和内生变量。两种模型均采用遗传算法 (Genetic Algorithm, GA) 对超参数进行优化，以选择具有最佳适应度的个体，用于带或不带气候变量的预测。采用平均绝对百分比误差和均方根误差作为绩效衡量标准评估预测准确性。结果表明，在12步预测时程内，随机森林模型展现出最佳性能；气候变量的融合往往会降低预测准确性，导致误差增加。两种模型在预测用水消耗方面仍存在一定困难，表明需要通过不同模型或变量开展新研究以予以弥补。
引用
@article{arxiv.2410.19709,
title = {Water and Electricity Consumption Forecasting at an Educational Institution using Machine Learning models with Metaheuristic Optimization},
author = {Eduardo Luiz Alba and Matheus Henrique Dal Molin Ribeiro and Gilson Adamczuk and Flavio Trojan and Erick Oliveira Rodrigues},
journal= {arXiv preprint arXiv:2410.19709},
year = {2024}
}
备注
Conference: International Joint Conference on Industrial Engineering and Operations Management (IJCIEOM ). At: Salvador-BA, Brazil