Key points are not available for this paper at this time.
يلعب توقع الأحمال الكهربائية قصيرة الأجل دورًا حيويًا في صناعات الطاقة الكهربائية. إنه يضمن توفر إمدادات الكهرباء، بالإضافة إلى توفير الوسائل لتجنب الاستخدام المفرط أو الناقص للطاقة التوليدية وبالتالي تحسين أسعار الطاقة. تم تطبيق عدة طرق لتوقع الأحمال قصيرة الأجل، بما في ذلك الطرق الإحصائية، والانحدار، وطرق الشبكات العصبية. يقدم هذا البحث آلات دعم الناقلات، أحدث خوارزمية لشبكة عصبية، لتوقع الأحمال الكهربائية قصيرة الأجل ويقارن أدائها مع نموذج الانحدار الذاتي. تشير النتائج إلى أن آلات دعم الناقلات تقارن بشكل إيجابي مع النموذج الانحداري الذاتي باستخدام نفس البيانات لبناء واختبار كلا النموذجين بناءً على أخطاء الجذر المتوسط بين البيانات الفعلية والمقدرة. تسمح آلات دعم الناقلات بزيادة مجموعة بيانات التدريب إلى ما هو أبعد من ما هو ممكن باستخدام نموذج الانحدار الذاتي أو طرق الشبكات العصبية الأخرى. يؤدي زيادة بيانات التدريب إلى تحسين أداء طريقة آلات دعم الناقلات. حقوق النشر © 2002 جون وايلي وأولاده.
درس محمد مهندس (الثلاثاء) هذا السؤال.