Geri Dön

Power consumption estimation using in-memory database computation

Bellek üzerinde çalışan veri tabanları (In memory database) ile makine öğrenmesi

  1. Tez No: 498131
  2. Yazar: MOHAMED ALAMIN
  3. Danışmanlar: PROF. DR. HASAN DAĞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: İngilizce
  9. Üniversite: Kadir Has Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Fen Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
  13. 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

  1. Elektrik güç sistemlerinde durum kestirimi

    Electrical power system state estimation

    YEŞİM NEMLİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    1993

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. NESRİN TARKAN

  2. 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

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET HALİT SEYFULLAH OĞUZTÜZÜN

  3. EfficientHEVC and VVC motion estimation hardware

    Verimli HEVC ve VVC hareket tahmini donanımları

    WAQAR AHMAD

    Doktora

    İngilizce

    İngilizce

    2021

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İLKER HAMZAOĞLU

  4. 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

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiGebze Teknik Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALİ KÖKSAL HOCAOĞLU

  5. 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

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET SERDAR UFUK TÜRELİ