كل المشاريع
سلاسل زمنية

التنبؤ باستهلاك الكهرباء المنزلية

سلاسل زمنية متعددة النماذج على 2.9M سجل UCI (2006-2010). ARIMA، SARIMA، Prophet، LSTM على Global_active_power. STL يكشف أنماطاً يومية وأسبوعية. مجموعة مع ترجيح inverse-RMSE.

عرض على كاغل
مجموعة البيانات

UCI Household Power: 2.9M قياس، دقة 1 دقيقة، 4 سنوات

المنهجية

تحليل STL → الاستقرارية → ARIMA/SARIMA/Prophet/LSTM → مجموعة

المكدس التقني
PythonTensorFlow/LSTMstatsmodelsProphetPandas
الكلمات المفتاحية
LSTMARIMASARIMAProphetSTL DecompositionPower ForecastingUCI
المرئيات6 مخططات
التعمق

تنبؤ بالسلاسل الزمنية لاستهلاك الكهرباء المنزلية على مجموعة UCI.

مجموعة البيانات

  • ◂2,075,259 قياساً (ديسمبر 2006 → نوفمبر 2010)، دقة دقيقة → إعادة أخذ عينات ساعي
  • ◂1.25% قيم مفقودة → استيفاء خطي
  • ◂الهدف: Global_active_power (kW)

تحليل السلاسل الزمنية

  • ◂اختبار ADF: ثابت بعد التفريق
  • ◂تحلل STL: نمط يومي (ذروات صباح/مساء) + دورة أسبوعية (انخفاض عطلة نهاية الأسبوع)
  • ◂ACF/PACF: ارتباطات ذاتية واضحة عند lag-24h و lag-168h

النماذج المُقيَّمة

النموذجنقاط القوة
ARIMAاختيار auto p,d,q، AIC
SARIMAفترة موسمية=24h
Prophetاتجاه + موسميات سنوية + أسبوعية + يومية
LSTM (مشفِّر-مفكِّك)تنبؤ تسلسلي 24 خطوة للأمام
مجموعةتركيبة مرجحة بـ inverse-RMSE

الاستنتاج الرئيسي المكوّن الموسمي يُفسِّر ~60% من التباين. الناس يتبعون روتيناً — baseline "نفس الوقت أمس" صعبة التجاوز. التحلل STL: ذروتان يوميتان قويتان (7-9ص + 6-9م) + عطلة نهاية الأسبوع أقل 15%. البواقي: 1.25% شذوذات مرتبطة بالإجازات.

العودة إلى المشاريعتوظيفي