論文の概要: Characterizing Residential Load Patterns by Household Demographic and Socioeconomic Factors

• arxiv url: http://arxiv.org/abs/2106.05858v1
• Date: Fri, 4 Jun 2021 15:01:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-15 11:54:42.877801
• Title: Characterizing Residential Load Patterns by Household Demographic and Socioeconomic Factors
• Title（参考訳）: 世帯層別住宅負荷パターンの特徴と社会経済的要因
• Authors: Zhuo Wei, Hao Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.3880352469193475
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The wide adoption of smart meters makes residential load data available and thus improves the understanding of the energy consumption behavior. Many existing studies have focused on smart-meter data analysis, but the drivers of energy consumption behaviors are not well understood. This paper aims to characterize and estimate users' load patterns based on their demographic and socioeconomic information. We adopt the symbolic aggregate approximation (SAX) method to process the load data and use the K-Means method to extract key load patterns. We develop a deep neural network (DNN) to analyze the relationship between users' load patterns and their demographic and socioeconomic features. Using real-world load data, we validate our framework and demonstrate the connections between load patterns and household demographic and socioeconomic features. We also take two regression models as benchmarks for comparisons.
• Abstract（参考訳）: スマートメーターの普及により、住宅負荷データが利用可能となり、エネルギー消費行動の理解が向上する。 既存の研究の多くはスマートメータのデータ分析に焦点を当てているが、エネルギー消費行動の要因はよく分かっていない。 本稿では, 人口統計と社会経済情報をもとに, 利用者の負荷パターンを特徴付け, 推定することを目的とする。 負荷データを処理するためにシンボリックアグリゲート近似(sax)手法を採用し,k-means法を用いて鍵負荷パターンを抽出する。 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。 実世界の負荷データを用いて,我々のフレームワークを検証し,負荷パターンと世帯層,社会経済的特徴の関連を実証する。 比較のベンチマークとして,2つの回帰モデルも採用しています。

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)
• Scaling Laws for Sparsely-Connected Foundation Models [70.41266138010657]
  大規模データセット上でトレーニングしたトランスフォーマーのスケーリング挙動に及ぼすパラメータ空間の影響について検討する。 重み空間,非ゼロパラメータ数,およびトレーニングデータの量との関係を記述した最初のスケーリング法則を同定する。
  論文  参考訳（メタデータ） (2023-09-15T16:29:27Z)
• Scaling Laws Do Not Scale [54.72120385955072]
  最近の研究によると、データセットのサイズが大きくなると、そのデータセットでトレーニングされたモデルのパフォーマンスが向上する。 このスケーリング法則の関係は、モデルのアウトプットの質を異なる集団がどのように認識するかと一致しないパフォーマンスを測定するために使われる指標に依存する、と我々は主張する。 異なるコミュニティは、互いに緊張関係にある価値を持ち、モデル評価に使用されるメトリクスについて、困難で、潜在的に不可能な選択をもたらす可能性がある。
  論文  参考訳（メタデータ） (2023-07-05T15:32:21Z)
• Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
  我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。 我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
  論文  参考訳（メタデータ） (2022-09-12T09:19:22Z)
• 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)
• 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)
• Uncover Residential Energy Consumption Patterns Using Socioeconomic and Smart Meter Data [2.9340691207364786]
  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。
  論文  参考訳（メタデータ） (2021-04-12T01:57:14Z)
• 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)
• Estimating informativeness of samples with Smooth Unique Information [108.25192785062367]
  サンプルが最終的な重みを知らせる量と、重みによって計算される関数を知らせる量を測定します。 線形化ネットワークを用いてこれらの量の効率的な近似を行う。 本稿では,データセットの要約など,いくつかの問題に適用する。
  論文  参考訳（メタデータ） (2021-01-17T10:29:29Z)
• A Data-Driven Machine Learning Approach for Consumer Modeling with Load Disaggregation [1.6058099298620423]
  本稿では,住宅利用者の消費データから導出したデータ駆動セミパラメトリックモデルの汎用クラスを提案する。 第1段階では、固定およびシフト可能なコンポーネントへの負荷の分散をハイブリッドアルゴリズムを用いて達成する。 第2段階では、モデルパラメータはL2ノルム、エプシロン非感受性回帰法を用いて推定される。
  論文  参考訳（メタデータ） (2020-11-04T13:36:11Z)
• Explaining the distribution of energy consumption at slow charging infrastructure for electric vehicles from socio-economic data [2.1294627833637576]
  本研究では,低速帯電インフラ周辺環境の動作,機能,特性を解析し,低速帯電インフラで消費される電気の分布に影響を及ぼすようなデータ中心型アプローチを開発する。
  論文  参考訳（メタデータ） (2020-06-02T14:44:52Z)

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。