CASE STUDIESThe ANN approach descri

CASE STUDIES
The ANN approach described in the previous section was used to forecast hourly load values for
a Brazilian electric company (CEMIG - State of Minas Gerais). The test period covers a whole year
(from March/1993 to February/1994).
The forecasting performance is analyzed through 3 metrics:
* Mean Absolute Percentage Error (MAPE).
* Root Mean Squared Error (RMSE).
* Theil's U (U).
approach to be tried in the fume is to use a specific network to handle only Holidays.
Table 1 Forecasting Error for each Month To analyze the forecasting performance in detail,
we consider two particular months: March and August.
Table 2 shows the MAPE, RMSE and Theil's U for each day of these 2 months and
Table 3 shows the MAPE obtained for each particular forecasting hour (forecasting with leading times up to 24 hours).
As shown in Table 2, the MAPE is below 2% for almost all days in both months. Also, the U coefficient is below 1
for all days, showing the ANN really extracted the more relevant information of the load series in the training
process.
MAPE and RMSE have been commonly used to evaluate forecasting performance; addtionally, we use a metric called
Theil'r; U, which is the rate between the RMSE of the actual forecasting system (the ANN) and the RMSE of a "naive"
forecasting system

ผลลัพธ์ (ไทย) 1:

กรณีศึกษาใช้วิธีแอนที่อธิบายไว้ในส่วนก่อนหน้านี้เพื่อคาดการณ์ค่าโหลดรายชั่วโมง ในบราซิลการไฟฟ้านครหลวง (CEMIG - รัฐ Minas เหมืองแร่สเชไรส์) ระยะเวลาการทดสอบครอบคลุมตลอดทั้งปี(จาก มีนาคม/1993 ถึง กุมภาพันธ์/1994)ประสิทธิภาพการคาดการณ์การวิเคราะห์ผ่านตัวชี้วัดที่ 3:* หมายถึง เปอร์เซ็นต์ความผิดพลาด (MAPE)* รากเฉลี่ยกำลังสองผิดพลาด (RMSE)* Theil U (U)วิธีการที่จะพยายามในควันคือการ ใช้เครือข่ายเฉพาะเพื่อจัดการวันหยุดเท่านั้นตารางที่ 1 การคาดการณ์ผิดพลาดสำหรับแต่ละเดือนเพื่อวิเคราะห์ประสิทธิภาพการคาดการณ์รายละเอียด เราพิจารณาเฉพาะสองเดือน: มีนาคมและสิงหาคม ตารางที่ 2 แสดง MAPE, RMSE และของ Theil U แต่ละวันของเดือนที่ 2 นี้ และ ตารางที่ 3 แสดง MAPE ที่ได้รับการคาดการณ์ชั่วโมงเฉพาะ (การคาดการณ์กับชั้นนำเวลาถึง 24 ชั่วโมง)ดังแสดงในตารางที่ 2, MAPE อยู่ด้านล่าง 2% เกือบทุกวันทั้งเดือน นอกจากนี้ ค่าสัมประสิทธิ์ U คือด้านล่าง 1ทุกวัน แสดงกับแอนจริง ๆ แยกข้อมูลที่เกี่ยวข้องของชุดโหลดในการฝึกอบรมกระบวนการMAPE และ RMSE มีการนิยมใช้ในการประเมินประสิทธิภาพการคาดการณ์ ท้ายที่สุด เราใช้การวัดที่เรียกว่าTheil'r U ซึ่งเป็นอัตราระหว่าง RMSE ของระบบการคาดการณ์แท้จริง (คนเล็ก) และ RMSE ของ "ไร้เดียงสา"ระบบการคาดการณ์

ผลลัพธ์ (ไทย) 2:

กรณีศึกษา
แนวทาง ANN อธิบายไว้ในส่วนก่อนหน้านี้ได้ถูกใช้ในการคาดการณ์ค่าโหลดชั่วโมงสำหรับ
บริษัท ไฟฟ้าบราซิล (CEMIG - รัฐ Minas Gerais) ระยะเวลาการทดสอบครอบคลุมตลอดทั้งปี
(ตั้งแต่เดือนมีนาคม / 1993 ถึงเดือนกุมภาพันธ์ / 1994).
ผลการดำเนินงานการคาดการณ์มีการวิเคราะห์ถึง 3 ตัวชี้วัด:
. * หมายถึงข้อผิดพลาดร้อยละแอบโซลูท (MAPE)
. * ข้อผิดพลาดค่าเฉลี่ยกำลังสอง (RMSE)
* Theil ยู (U .)
วิธีการที่จะพยายามในควันคือการใช้เครือข่ายเฉพาะในการจัดการเฉพาะวันหยุด.
ข้อผิดพลาดในการพยากรณ์ตารางที่ 1 สำหรับแต่ละเดือนเพื่อวิเคราะห์ผลการดำเนินงานการคาดการณ์ในรายละเอียด
เราพิจารณาสองเดือนโดยเฉพาะอย่างยิ่ง. เดือนมีนาคมและสิงหาคม
ตารางที่ 2 แสดง MAPE , RMSE และ Theil ยูในแต่ละวันของทั้ง 2 เดือนและ
ตารางที่ 3 แสดง MAPE ที่ได้รับสำหรับแต่ละชั่วโมงการคาดการณ์โดยเฉพาะอย่างยิ่ง (คาดการณ์กับเวลาที่นำไปสู่ 24 ชั่วโมง).
ดังแสดงในตารางที่ 2, MAPE ต่ำกว่า 2% เกือบทั้งหมด วันทั้งเดือน นอกจากนี้ค่าสัมประสิทธิ์ U เป็นต่ำกว่า 1
สำหรับทุกวันแสดงแอนจริงๆสกัดข้อมูลที่เกี่ยวข้องอื่น ๆ ของซีรีส์โหลดในการฝึกอบรม
กระบวนการ.
MAPE และ RMSE ได้รับการนิยมใช้ในการประเมินประสิทธิภาพการพยากรณ์ addtionally เราจะใช้ตัวชี้วัดที่เรียกว่า
Theil'r; U ซึ่งเป็นอัตราระหว่าง RMSE ของระบบการคาดการณ์ที่เกิดขึ้นจริง (แอน) และ RMSE ของ "ไร้เดียงสา" ที่
ระบบการคาดการณ์

ผลลัพธ์ (ไทย) 3:

กรณีศึกษาวิธีการ แอน อธิบายในส่วนก่อนหน้านี้เคยคาดการณ์รายชั่วโมงค่าโหลดเป็น บริษัท บราซิลไฟฟ้า ( CEMIG -- รัฐของรัฐมีนัสเชไรส์ ) ระยะเวลาทดสอบครอบคลุมทั้งปี( จากมีนาคม 2536 ถึงกุมภาพันธ์ 2537 )การพยากรณ์โดยใช้ตัวชี้วัดประสิทธิภาพที่ 3 :* หมายถึงค่าเปอร์เซ็นต์ความผิดพลาดสัมบูรณ์ ( MAPE )* รากค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( RMSE )* Theil ยู ( U )วิธีการที่จะพยายามในตู้เพื่อใช้เฉพาะเครือข่ายจัดการเฉพาะวันหยุดตารางที่ 1 การเกิดข้อผิดพลาดในแต่ละเดือนเพื่อวิเคราะห์พยากรณ์การปฏิบัติงานในรายละเอียดเราพิจารณาเฉพาะสองเดือน : มีนาคม และสิงหาคม .ตารางที่ 2 แสดงค่า MAPE , RMSE ของ Theil และ U ของแต่ละวันเหล่านี้ 2 เดือนตารางที่ 3 แสดงให้เห็นค่าได้สำหรับแต่ละเฉพาะการพยากรณ์ชั่วโมง ( การพยากรณ์ด้วยนำเวลาถึง 24 ชั่วโมง )ดังแสดงในตารางที่ 2 , MAPE ต่ำกว่า 2% สำหรับเกือบทุกวัน ทั้งเดือน นอกจากนี้คุณโดยด้านล่าง 1สำหรับวันแสดงแอนจริงๆ แยกข้อมูลที่เกี่ยวข้องเพิ่มเติมของชุดในการโหลดกระบวนการและค่า RMSE มีนิยมใช้ประเมินการพยากรณ์ประสิทธิภาพ addtionally เราใช้ตัวชี้วัดที่เรียกว่าtheil'r ; U ซึ่งเป็นคะแนนระหว่างวิธีการของระบบการพยากรณ์ที่แท้จริง ( แอน ) และวิธีการที่ " ไร้เดียงสา "ระบบพยากรณ์