Biblioteca122.739 documentos en línea

Artículo

A High-Frequency Data-Driven Machine Learning Approach for Demand Forecasting in Smart CitiesUn Enfoque de Aprendizaje Automático Impulsado por Datos de Alta Frecuencia para la Predicción de la Demanda en Ciudades Inteligentes

Resumen

Diferentes tipos de sensores a lo largo de las tuberías de distribución están midiendo continuamente diferentes parámetros en Redes Inteligentes de Agua (SWAN). La enorme cantidad de datos generados contiene mediciones como el flujo o la presión. Aplicar algoritmos adecuados a estos datos puede advertir sobre la posibilidad de fugas dentro de la red de distribución tan pronto como se recopilan los datos. Actualmente, los algoritmos que abordan este problema son el resultado de numerosos enfoques de pronóstico de la demanda de agua a corto plazo (WDF). Sin embargo, en general, estos enfoques de WDF comparten dos deficiencias. La primera es que proporcionan predicciones de baja frecuencia. Es decir, la mayoría de ellos solo proporcionan predicciones con pasos de tiempo de 1 hora, y solo unos pocos proporcionan predicciones con pasos de tiempo de 15 minutos. La segunda es que la mayoría de ellos requieren estimar la estacionalidad anual o tener en cuenta no solo datos sobre la demanda de agua sino también sobre otros factores, como datos

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento

  • Titulo:A High-Frequency Data-Driven Machine Learning Approach for Demand Forecasting in Smart Cities
  • Autor:Preciado, Juan Carlos; Prieto, lvaro E.; Benitez, Rafael; Rodrguez-Echeverra, Roberto; Conejero, Jos Mara
  • Tipo:Artículo
  • Año:2019
  • Idioma:Inglés
  • Editor:Hindawi
  • Materias:Sensores Seguridad informática Rendimiento del hardware Matriz
  • Descarga:0