तुर्की में एक टीम ने विभिन्न स्रोतों से बिजली की मांग की भविष्यवाणी के लिए विभिन्न मशीन-लर्निंग एल्गोरिदम का परीक्षण किया है।उन्होंने 2000-2022 की अवधि के लिए बिजली की मांग डेटा पर एल्गोरिदम को प्रशिक्षित किया और सटीकता की विभिन्न डिग्री के साथ 2023 के लिए सफलतापूर्वक भविष्यवाणियां करने के लिए उनका उपयोग किया।
शोधकर्ताओं ने लंबे समय की पूर्वानुमान शक्ति का परीक्षण कियाअल्पावधि स्मृति(LSTM), कृत्रिम तंत्रिका नेटवर्क (ANN), रैखिक प्रतिगमन (LR), समर्थन वेक्टर प्रतिगमन (SVR), निर्णय वृक्ष प्रतिगमन (DTR), यादृच्छिक वन प्रतिगमन (RFR), और eXtreme ग्रेडिएंट बूस्टिंग (XGBoost) और प्रदर्शित किया कि LSTM हैसबसे अधिक सटीक।इस तरह के एल्गोरिदम का उपयोग मॉडल बनाने के लिए किया जा सकता हैऊर्जा के उपयोगऔर दुनिया भर में दीर्घकालिक बिजली योजना के लिए उत्पादन।
में लिख रहा हूँतेल, गैस और कोयला प्रौद्योगिकी के अंतर्राष्ट्रीय जर्नल, इस्तांबुल में तुर्की-जर्मन विश्वविद्यालय के मेहमत हकन ओज़डेमिर और बातिन लतीफ अयलाक, इस्पार्टा के इस्पार्टा यूनिवर्सिटी ऑफ एप्लाइड साइंसेज के मूरत एन्से, और अंताल्या, तुर्की में अकडेनिज़ विश्वविद्यालय के ओकन ओरल, सुझाव देते हैं कि आपूर्ति और मांग को समझेंविभिन्न गैर-नवीकरणीय और की शर्तेंपुनःप्राप्य उर्जा स्रोतमानव इतिहास में इस बिंदु पर महत्वपूर्ण है।
यह देखते हुए कि जीवाश्म ईंधन जैसे गैर-नवीकरणीय स्रोत सीमित और अपूरणीय हैं, पवन, सौर, पनबिजली, भूतापीय और बायोगैस जैसे नवीकरणीय स्रोत जिन्हें फिर से भरा जा सकता है, पीढ़ी के एजेंडे में शीर्ष पर हैं।मशीन लर्निंग, डेटा के बड़े निकायों से जटिल संबंधों और पैटर्न को समझने की अपनी क्षमता के साथ, भविष्यवाणी के लिए एक शक्तिशाली और लचीला दृष्टिकोण प्रदान करता है।
पारंपरिक सांख्यिकीय तरीकों के विपरीत, उपयुक्त डेटा सेट पर प्रशिक्षित मशीन लर्निंग एल्गोरिदम, उपलब्ध डेटा की संपूर्णता पर विचार कर सकते हैं और इस प्रकार उन जटिल इंटरैक्शन के बारे में निष्कर्ष निकाल सकते हैं जिन तक पारंपरिक विश्लेषणात्मक तरीके नहीं पहुंच सकते हैं।
इस प्रकार मशीन लर्निंग हमारी ऊर्जा नीति निर्णयों में मदद कर सकती है और बिजली उत्पादन उद्योग को अधिक टिकाऊ भविष्य की राह पर ले जा सकती है।शोध से प्राप्त अंतर्दृष्टि न केवल जानकारी देती हैनिर्णयकर्तालेकिन यह भी उजागर करें कि यह कितना परिवर्तनकारी हैयंत्र अधिगमएल्गोरिदम यह पुनर्परिभाषित कर सकता है कि हम इस प्रकार की समस्याओं को कैसे हल करते हैं।
अधिक जानकारी:मेहमत हकन इज़डेमिर एट अल, विभिन्न मशीन लर्निंग एल्गोरिदम का उपयोग करके स्रोतों द्वारा विश्व बिजली उत्पादन की भविष्यवाणी करते हैं,तेल, गैस और कोयला प्रौद्योगिकी के अंतर्राष्ट्रीय जर्नल(2024)।डीओआई: 10.1504/आईजेओजीसीटी.2024.136028
उद्धरण:एल्गोरिदमिक रूप से ऊर्जा संतुलन की भविष्यवाणी करना (2024, 25 जनवरी)25 जनवरी 2024 को पुनः प्राप्तhttps://techxplore.com/news/2024-01-energy-algorithmally.html से
यह दस्तावेज कॉपीराइट के अधीन है।निजी अध्ययन या अनुसंधान के उद्देश्य से किसी भी निष्पक्ष व्यवहार के अलावा, नहींलिखित अनुमति के बिना भाग को पुन: प्रस्तुत किया जा सकता है।सामग्री केवल सूचना के प्रयोजनों के लिए प्रदान की गई है।