机构名称：
¥ 1.0
电气、金属、塑料和食品制造业是美国的主要能源消耗行业。自 1981 年以来，美国能源部工业评估中心 (IAC) 一直对多个行业的能源数据进行审计，并提出提高能源效率的建议。在本文中，我们使用统计和机器学习技术从 IAC 数据集中获取见解，该数据集收集了 1981 年至 2013 年收集的 15,000 多个样本。我们使用机器学习技术（例如多元线性回归、随机森林回归器、决策树回归器和极梯度提升回归器）开发了能源消耗预测模型。我们还使用支持向量机、随机森林、K 最近邻 (KNN) 和深度学习开发了分类器模型。使用该数据集的结果表明，随机森林回归器是最佳预测技术，R2 为 0.869，随机森林分类器是最佳技术，精度、召回率、F1 分数和准确率分别为 0.818、0.884、0.844 和 0.883。深度学习在 10 个周期后的训练和测试中也表现出色，准确率约为 0.88。机器学习模型可用于对工厂的能源消耗进行基准测试并发现提高能源效率的机会。
使用机器学习建模能源消耗
主要关键词
相关文件推荐
