Power consumption estimation using in-memory database computation
Bellek üzerinde çalışan veri tabanları (In memory database) ile makine öğrenmesi
- Tez No: 498131
- Danışmanlar: PROF. DR. HASAN DAĞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fen Bilimleri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 62
Özet
Son elektrik tüketimini tahmin etmek amacıyla, hız ve güvenilirliği artırmak gerekir. hız ile ilgili olarak, birçok kat daha hızlı HDD den veri manipüle sağlar en iyi çözümdür IN-Bellek veritabanını kullanır. Bu amaçla, biz“en iyi”açık kaynak In-Memory veritabanı gibi YCSB gibi standart bir kriter kullanarak seçmeniz gerekir. güvenilirlik için, makine öğrenimi algoritmalarını kullanmaktadır. Model performans ve doğruluk verilerine her zaman bağlı olarak değişebilir bu yana, birçok algoritmalar test etmek ve en iyisini seçmek. Bu tezde, Python ve Aerospike bellek veritabanında öğrenme makinesi kullanılarak elektrik tüketimini tahmin etmek Londra Hanehalkı SmartMeter Enerji Tüketimi Verileri kullanın. Çalışma veri seti için en iyi algoritma Torbalama olduğunu göstermektedir. Biz de Ar-kare her zaman en iyi algoritma seçmek için iyi bir test olmadığını kanıtlamak. Son olarak, biz belirli bir zamanda tüketimini tahmin etmek deneyimli olmayan kullanıcılar tarafından kullanılabilir Python kullanarak makine öğrenimi, bir grafiksel kullanıcı arabirimi öneriyoruz
Özet (Çeviri)
In order to reciently predict electricity consumption, we need to improve the speed and the reliability. Concerning the speed, we use IN-Memory database, which is the best solution that allows manipulating data many times faster than HDD. For this purpose, we need to choose“the best”open-source In-Memory database using a standard benchmark, such as YCSB. For reliability, we use machine learning algorithms. Since the model performance and accuracy may vary depending on data each time, we test many algorithms and select the best one. In this thesis, we use SmartMeter Energy Consumption Data in London Households to predict electricity consumption using machine learning in Python and Aerospike in-memory database. The study shows that the best algorithm for our data set is Bagging. We also prove that R-squared is not always a good test to choose the best algorithm. Finally, we propose a graphical user interface for machine learning using Python, that can be used by non-experienced users to predict the consumption at a certain time.
Benzer Tezler
- Elektrik güç sistemlerinde durum kestirimi
Electrical power system state estimation
YEŞİM NEMLİOĞLU
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. NESRİN TARKAN
- Data sharing using MQTT and zigbee-based dds on resource-constrained contiki-based devices
Kaynak kisitlari bulunan contiki tabanli cihazlarda MQTT ve zigbee tabanli DDS kullanarak veri paylaşimi
TUNAHAN YILDIRIM
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET HALİT SEYFULLAH OĞUZTÜZÜN
- EfficientHEVC and VVC motion estimation hardware
Verimli HEVC ve VVC hareket tahmini donanımları
WAQAR AHMAD
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKER HAMZAOĞLU
- Node clustering and fusion for moving target localization in distributed seismic sensor networks
Dağıtık sismik sensör ağlarında hareketli hedef konumlandırma için sensör kümelemesi ve füzyonu
ERDEM KÖSE
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALİ KÖKSAL HOCAOĞLU
- IPsec Protokolü için FPGA üzerinde anahtar-değer saklama donanımı
A custom key-value store hardware on FPGA for IPsec Protocol
MURAT BENLİ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SERDAR UFUK TÜRELİ