論文の概要: An evaluation of time series forecasting models on water consumption
data: A case study of Greece
- arxiv url: http://arxiv.org/abs/2303.17617v1
- Date: Thu, 30 Mar 2023 09:09:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-03 16:23:02.546936
- Title: An evaluation of time series forecasting models on water consumption
data: A case study of Greece
- Title(参考訳): 水消費データに基づく時系列予測モデルの評価:ギリシャを事例として
- Authors: Ioannis Kontopoulos, Antonios Makris, Konstantinos Tserpes, Theodora
Varvarigou
- Abstract要約: いくつかの有名な予測アルゴリズムが時系列、ギリシャの水消費データを通じて評価されている。
予測アルゴリズムは、ギリシャの水供給下水会社が提供する実世界のデータセットに基づいて評価される。
- 参考スコア(独自算出の注目度): 0.825845106786193
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In recent years, the increased urbanization and industrialization has led to
a rising water demand and resources, thus increasing the gap between demand and
supply. Proper water distribution and forecasting of water consumption are key
factors in mitigating the imbalance of supply and demand by improving
operations, planning and management of water resources. To this end, in this
paper, several well-known forecasting algorithms are evaluated over time
series, water consumption data from Greece, a country with diverse
socio-economic and urbanization issues. The forecasting algorithms are
evaluated on a real-world dataset provided by the Water Supply and Sewerage
Company of Greece revealing key insights about each algorithm and its use.
- Abstract(参考訳): 近年、都市化と工業化が進み、水需要と資源が増大し、需要と供給のギャップが増大している。
水資源の運用、計画、管理を改善することで需要と供給の均衡を緩和する上で、適切な水流通と水消費の予測が重要な要素である。
そこで本稿では, 多様な社会経済・都市化問題を抱えるギリシャにおける, 時系列・水消費データを用いて, 予測アルゴリズムの評価を行った。
予測アルゴリズムは、ギリシャの水供給下水会社が提供する実世界のデータセットで評価され、各アルゴリズムとその使用に関する重要な洞察が明らかにされる。
関連論文リスト
- Fully Convolutional Networks for Dense Water Flow Intensity Prediction
in Swedish Catchment Areas [7.324969824727792]
本研究では,内陸海域における水流強度を予測するための機械学習によるアプローチを提案する。
我々は高密度水流強度予測の課題に最初に取り組みました。
論文 参考訳(メタデータ) (2023-04-04T09:28:36Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Flood Prediction Using Machine Learning Models [0.0]
本稿では,異なる機械学習モデルを用いて洪水の予測を行うことにより,この自然災害の極端なリスクを低減することを目的とする。
その結果、どのモデルがより正確な結果をもたらすかを理解するために比較分析を行う。
論文 参考訳(メタデータ) (2022-08-02T03:59:43Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳(メタデータ) (2021-06-08T14:48:20Z) - Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。
SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文 参考訳(メタデータ) (2020-12-08T16:30:43Z) - Predictive Analytics for Water Asset Management: Machine Learning and
Survival Analysis [55.41644538483948]
本研究では,水管故障の予測のための統計的および機械学習の枠組みについて検討する。
スペイン,バルセロナの配水ネットワーク内の全管の故障記録を含むデータセットを用いて検討を行った。
その結果, 管形状, 年齢, 材質, 土壌被覆など, 重要な危険因子の影響が明らかにされた。
論文 参考訳(メタデータ) (2020-07-02T19:08:36Z) - A Comprehensive Review of Deep Learning Applications in Hydrology and
Water Resources [0.0]
デジタルデータのグローバルボリュームは2025年までに175ゼタバイトに達すると予想されている。
この研究は、水産業で使われている最先端のディープラーニングアプローチの包括的なレビューを提供する。
論文 参考訳(メタデータ) (2020-06-17T16:57:17Z) - A generative adversarial network approach to (ensemble) weather
prediction [91.3755431537592]
本研究では,500hPaの圧力レベル,2m温度,24時間の総降水量を予測するために,条件付き深部畳み込み生成対向ネットワークを用いた。
提案されたモデルは、2019年に関連する気象分野を予測することを目的として、2015年から2018年までの4年間のERA5の再分析データに基づいて訓練されている。
論文 参考訳(メタデータ) (2020-06-13T20:53:17Z) - A Data Scientist's Guide to Streamflow Prediction [55.22219308265945]
我々は,水文降雨要素と流出モデルに着目し,洪水の予測と流れの予測に応用する。
このガイドは、データサイエンティストが問題や水文学的な概念、そしてその過程で現れる詳細を理解するのを助けることを目的としています。
論文 参考訳(メタデータ) (2020-06-05T08:04:37Z) - Probabilistic Multi-Step-Ahead Short-Term Water Demand Forecasting with
Lasso [0.0]
時系列モデルは、典型的な自己回帰、カレンダー、季節効果を捉えるために導入された。
高次元特徴空間が適用され、自動収縮・選択演算子によって効率よく調整される。
この手法は、ドイツの水道供給業者の時給水需要データに適用される。
論文 参考訳(メタデータ) (2020-05-09T22:26:09Z)
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。