Not stated in source
2017 Needs review
Probabilistic Residential Load Forecasting based on LSTM Recurrent Neural Networks: Implementation and Assessment
Abstract
Este trabajo pretende abordar dos objetivos. El primero sería realizar un estudio de los resultados obtenidos para la predicción del consumo eléctrico a corto plazo en las viviendas con un método de RNN LSTM en comparación con los resultados previamente obtenidos mediante Redes Neuronales “superficiales”. El segundo objetivo sería realizar un estudio de los perfiles de demanda de las viviendas para analizar la idoneidad de un método u otro según los perfiles de consumo de cada vivienda.
Keywords
Not available
Specialisations
Similar theses
- Forex forecasting with Support vector regression and Long short-term memory recurrent neural network Michal Bodický · 2021
- Time Series Forecasting of House Prices: An evaluation of a Support Vector Machine and a Recurrent Neural Network with LSTM cells Jako Rostami ; Fredrik Hansson · KTH Royal Institute of Technology · 2019
- Stock market forecasting using recurrent neural network Qiyuan Gao · University of Missouri · 2016
- ENHANCED DEEP LEARNING NEURAL NETWORKS FOR CLASSIFICATION AND FORECASTING PROBLEMS IN EMBEDDED SYSTEMS Pentsos, Vasileios · Southern Illinois University Carbondale · 2025
- Prediction of Blood Glucose Levels for Diabetic Patients from LSTM-Type Recurrent Neural Networks Ismael Vega Rojas · Universidad Industrial de Santander · 2023
- Intra-day photovoltaic generation forecast using LSTM recurrent neural networks and historical energy data Bruno Rapchaell Magalhaes da Cunha · 2021
