論文の概要: Uncover Residential Energy Consumption Patterns Using Socioeconomic and Smart Meter Data

• arxiv url: http://arxiv.org/abs/2104.05154v1
• Date: Mon, 12 Apr 2021 01:57:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-13 14:27:22.848856
• Title: Uncover Residential Energy Consumption Patterns Using Socioeconomic and Smart Meter Data
• Title（参考訳）: 社会経済・スマートメータデータを用いた住宅エネルギー消費パターンの解明
• Authors: Wenjun Tang, Hao Wang, Xian-Long Lee, Hong-Tzer Yang
• Abstract要約: 実世界のスマートメータデータを分析し,k-medoidsクラスタリングを用いて負荷パターンを抽出する。 負荷パターンと社会経済的特徴の関係を推定するために,特徴選択と深層学習モデルを用いた分析フレームワークを開発した。
• 参考スコア（独自算出の注目度）: 2.9340691207364786
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper models residential consumers' energy-consumption behavior by load patterns and distributions and reveals the relationship between consumers' load patterns and socioeconomic features by machine learning. We analyze the real-world smart meter data and extract load patterns using K-Medoids clustering, which is robust to outliers. We develop an analytical framework with feature selection and deep learning models to estimate the relationship between load patterns and socioeconomic features. Specifically, we use an entropy-based feature selection method to identify the critical socioeconomic characteristics that affect load patterns and benefit our method's interpretability. We further develop a customized deep neural network model to characterize the relationship between consumers' load patterns and selected socioeconomic features. Numerical studies validate our proposed framework using Pecan Street smart meter data and survey. We demonstrate that our framework can capture the relationship between load patterns and socioeconomic information and outperform benchmarks such as regression and single DNN models.
• Abstract（参考訳）: 本稿では,負荷パターンと分布による住宅利用者のエネルギー消費挙動をモデル化し,機械学習による消費者の負荷パターンと社会経済的特徴との関係を明らかにする。 本研究では,実世界のスマートメータデータを分析し,k-medoidsクラスタリングを用いて負荷パターンを抽出する。 負荷パターンと社会経済的特徴の関係を推定するために,特徴選択と深層学習モデルを用いた分析フレームワークを開発した。 具体的には,エントロピーに基づく特徴選択法を用いて,負荷パターンに影響を及ぼす社会経済的特徴を同定し,その解釈可能性に寄与する。 さらに,消費者の負荷パターンと選択した社会経済的特徴の関係を特徴付けるために,カスタマイズしたディープニューラルネットワークモデルを開発した。 Pecan Streetスマートメーターデータとサーベイを用いて,提案手法の検証を行った。 我々は,負荷パターンと社会経済情報との関係を把握し,回帰モデルや単一DNNモデルなど,優れたベンチマークを実現できることを示した。

関連論文リスト

• Estimating Causal Effects from Learned Causal Networks [56.14597641617531]
  本稿では、離散可観測変数に対する因果影響クエリに応答する代替パラダイムを提案する。 観測データから直接因果ベイズネットワークとその共起潜伏変数を学習する。 本手法は, 推定手法よりも有効であることを示す。
  論文  参考訳（メタデータ） (2024-08-26T08:39:09Z)
• Model-based Policy Optimization using Symbolic World Model [46.42871544295734]
  ロボット工学における学習に基づく制御手法の適用は、大きな課題を呈している。 1つは、モデルなし強化学習アルゴリズムがサンプル効率の低い観測データを使用することである。 シンボリック回帰によって生成されるシンボリック表現による遷移ダイナミクスの近似を提案する。
  論文  参考訳（メタデータ） (2024-07-18T13:49:21Z)
• A Comprehensive Study on Knowledge Graph Embedding over Relational Patterns Based on Rule Learning [49.09125100268454]
  KGE(Knowledge Graph Embedding)は、KGC(Knowledge Completion Graph)タスクを解決するための効果的なアプローチであることが証明されている。 関係パターンはKGEモデルの性能において重要な要素である。 我々は,KGEモデルの性能を様々な関係パターン上で向上させるトレーニングフリー手法を提案する。
  論文  参考訳（メタデータ） (2023-08-15T17:30:57Z)
• Choice Models and Permutation Invariance: Demand Estimation in Differentiated Products Markets [5.8429701619765755]
  ニューラルネットのような非パラメトリック推定器は、選択関数を簡単に近似できることを示す。 提案する関数は、完全にデータ駆動方式で、消費者の振る舞いを柔軟に捉えることができる。 我々の経験的分析により、推定器は現実的かつ同等の自己およびクロスプライス弾性を生成することが確認された。
  論文  参考訳（メタデータ） (2023-07-13T23:24:05Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• Are Neural Topic Models Broken? [81.15470302729638]
  トピックモデルの自動評価と人的評価の関係について検討する。 ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
  論文  参考訳（メタデータ） (2022-10-28T14:38:50Z)
• A Graph-Enhanced Click Model for Web Search [67.27218481132185]
  ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。 セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
  論文  参考訳（メタデータ） (2022-06-17T08:32:43Z)
• Dynamic Time Warping Clustering to Discover Socio-Economic Characteristics in Smart Water Meter Data [0.0]
  本稿では,新しいクラスタリングアルゴリズムを適用し,スマートウォーターメーターデータと社会経済的ユーザ特性を関連付けることを目的とする。 このアプローチは、シミュレーションおよび測定されたシングルファミリーホームデータセットでテストされる。
  論文  参考訳（メタデータ） (2021-12-27T16:48:42Z)
• Predicting Census Survey Response Rates With Parsimonious Additive Models and Structured Interactions [14.003044924094597]
  本研究では, フレキシブルで解釈可能な非パラメトリックモデル群を用いて, アンケート応答率を予測することの問題点を考察する。 この研究は、米国国勢調査局(US Census Bureau)の有名なROAMアプリケーションによって動機付けられている。
  論文  参考訳（メタデータ） (2021-08-24T17:49:55Z)
• Characterizing Residential Load Patterns by Household Demographic and Socioeconomic Factors [3.3880352469193475]
  本研究の目的は, 人口統計情報と社会経済情報に基づいて, ユーザの負荷パターンを特徴づけ, 推定することである。 我々は、ユーザの負荷パターンと人口動態と社会経済的特徴との関係を分析するディープニューラルネットワーク(DNN)を開発した。
  論文  参考訳（メタデータ） (2021-06-04T15:01:35Z)
• Modeling Dynamic User Interests: A Neural Matrix Factorization Approach [0.0]
  本稿では,行列分解の単純さとニューラルネットワークの柔軟性を組み合わせたモデルを提案する。 本モデルでは,ユーザのコンテンツ消費経路を非線形ユーザとコンテンツ要素に分解する。 当社のモデルを使って、ボストン・グローブ読者の5年間での動的ニュース消費利益を理解する。
  論文  参考訳（メタデータ） (2021-02-12T16:24:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。