Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomi
  • Svenska
  • English
  • Kirjaudu
Hakuohjeet
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä viite 
  •   Ammattikorkeakoulut
  • Savonia-ammattikorkeakoulu
  • Opinnäytetyöt (Avoin kokoelma)
  • Näytä viite
  •   Ammattikorkeakoulut
  • Savonia-ammattikorkeakoulu
  • Opinnäytetyöt (Avoin kokoelma)
  • Näytä viite

Comparative Analysis of Statistical and Machine Learning Models for Solar Energy Production Forecasting and Model Selection.

Bhowmick, Sabuj (2024)

Avaa tiedosto
Bhowmick_Sabuj.pdf (733.7Kt)
Lataukset: 


Bhowmick, Sabuj
2024
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024060320260
Tiivistelmä
Efficient energy forecasting methods have become the focal point to ensure sustainable energy production. The present study aimed to use cutting-edge machine learning models along with blended statistical models to precisely predict solar energy production. Three data-based Machine learning models-Random Forest, Support vector machine, and XGBoost-and three statistical models- Linear regression, ARMA, and ARIMA models were employed. Statistical indices such as Mean absolute error (MAE), Mean square error (MSE), and Root mean square error (RMSE) were used to determine the most precise predictive model. The results demonstrated that XGBoost was the most precise predictive model, with MAE value of 0.1618 MSE of 0.1542, and an RMSE of 0. 3927. It is recommended that the use of blended Machine Learning and statistical forecast models would be a valuable tool for policymakers, solar energy researchers, and solar farm developers.
Kokoelmat
  • Opinnäytetyöt (Avoin kokoelma)
Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatKoulutusalatAsiasanatUusimmatKokoelmat

Henkilökunnalle

Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste