Key points are not available for this paper at this time.
تقدم هذه المقالة تحليلًا لتطبيق خوارزميات التعلم الآلي لتوقع الطلب على الطاقة بناءً على بيانات درجة الحرارة والرطوبة. تم إجراء أبحاث شاملة حول فعالية ودقة طرق التعلم الآلي المختلفة في سياق توقع الطلب على الطاقة، بما في ذلك طريقة آلات الدعم الناقلة (SVM) مع نوى مختلفة (مثل 'rbf' و 'poly') و RandomForestRegressor. تناقش المقالة أيضًا بالتفصيل اختيار النموذج الأمثل وتحسين المعلمات لتحقيق أفضل نتائج التوقع لطلب الطاقة. تحتفظ الأبحاث المقدمة بأهمية عملية كبيرة لتقدم مجال إدارة موارد الطاقة، وتعزيز كفاءة استخدامها، وتحسين عمليات اتخاذ القرار. وهذا يمكّن من تحديد أكثر النهج فعالية ودقة لتوقع الطلب على الطاقة عبر ظروف وسيناريوهات متنوعة.
درس عربوف وآخرون (Mon,) هذا السؤال.