LuanVan.vnLuận Văn
Gửi thư

Nghiên cứu ứng dụng mô hình kết hợp Generalized Additive Model và XGBoost trong dự báo phụ tải ngắn hạn

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
Tác giảNgô Tuấn Dũng
Người hướng dẫnNguyễn Quốc Minh
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Nghiên cứu ứng dụng mô hình kết hợp Generalized Additive Model (GAM) và XGBoost trong dự báo phụ tải điện ngắn hạn theo giờ dựa trên dữ liệu lịch sử phụ tải và dữ liệu thời tiết. Xây dựng GAM để mô hình hóa các xu hướng và mối quan hệ phi tuyến của các yếu tố ảnh hưởng đến phụ tải, đồng thời sử dụng XGBoost để học phần sai số còn lại nhằm nâng cao độ chính xác của kết quả dự báo. Thực hiện thu thập, tiền xử lý dữ liệu, xây dựng đặc trưng, huấn luyện và đánh giá mô hình trong bối cảnh vận hành thực tế; đồng thời so sánh hiệu quả của mô hình kết hợp với các phương pháp dự báo khác. Kết quả nghiên cứu là cơ sở đánh giá khả năng kết hợp giữa mô hình thống kê bán tham số và học máy trong bài toán dự báo phụ tải điện ngắn hạn.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.