| DC Field | Value | Language |
|---|
| dc.contributor.author | Хорошко, В. В. | - |
| dc.contributor.author | Аксенов, О. Д. | - |
| dc.contributor.author | Осмоловская, Т. Н. | - |
| dc.contributor.author | Шнейдеров, Е. Н. | - |
| dc.contributor.author | Бруй, Н. М. | - |
| dc.date.accessioned | 2021-06-03T11:11:11Z | - |
| dc.date.available | 2021-06-03T11:11:11Z | - |
| dc.date.issued | 2021 | - |
| dc.identifier.citation | Прогнозирование энергетических характеристик фотоэлектрических станций методами обучения деревьев решений / В. В. Хорошко [и др.] // BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей VII Международной научно-практической конференции, Минск, 19-20 мая 2021 года / редкол.: В. А. Богуш [и др.]. – Минск : Бестпринт, 2021. – С. 390–394. | ru_RU |
| dc.identifier.isbn | 978-985-7267-09-5 | - |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/43873 | - |
| dc.description.abstract | В статье представлены результаты прогнозирования выработки электроэнергии фотоэлектрическими (солнечными) электростанциями (ФЭС) методами обучения деревьев решений. Для прогнозирования были использованы деревянные модели, основаны на деревьях решений DecisionTree, GradientBoosting, RandomForest. Для оценки точности прогнозирования оценивались среднеквадратичная ошибка (MSE), средняя абсолютная ошибка (MAE), коэффициент детерминации (R2). | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | Бестпринт | ru_RU |
| dc.subject | публикации ученых | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | солнечные элементы | ru_RU |
| dc.subject | деревья решений | ru_RU |
| dc.subject | solar cells | ru_RU |
| dc.subject | trees repressor’s | ru_RU |
| dc.title | Прогнозирование энергетических характеристик фотоэлектрических станций методами обучения деревьев решений | ru_RU |
| dc.title.alternative | Forecasting energy characteristics of photoelectric stations by the methods of learning solution trees | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | At present, the results of forecasting the generation of electricity by photovoltaic (solar) power plants by methods of training decision trees. For forecasting, wooden models was used, based on decision trees DecisionTree, GradientBoosting, RandomForest. To assess the prediction accuracy, the mean square error (MSE), the mean absolute error (MAE), and the coefficient of determination (R2) was estimated. | - |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей (2021)
|
