محوریت دانش با استفاده از تجزیه و تحلیل داده های بزرگ مبتنی بر الگوریتم یادگیری ماشین

این مطالعه، یک طرح ماشین یادگیری((ML برای مقابله با تجزیه و تحلیل داده های بزرگ در نظر گرفته شده است. داده بزرگ توانایی برخورد با مجموعه داده های بزرگ را در فرمت های مختلف دارد، از این رو استفاده از روش داده های بزرگ یک راه حل مناسب برای تجزیه و تحلیل است. ML همراه با Big Data یک رویکرد جدید برای حل یک مشکل پیچیده مرتبط با پیش بینی تولید انرژی است. پیش بینی ژنراتور برق یک مسیله چالش برانگیز است، به خصوص هنگامی که یک فرد با مجموعه داده های بزرگ همراه با ضرو صدا برخورد می کند. نتایج این کار به ما می گوید که این کار جهت پیش بینی قدرت نسل های آینده شده مقایسه شده است و بین مقادیر مربوطه آنها نزدیک است. نقش روش بزرگ داده ها استخراج ویژگی های مورد نظر آماری از داده ها با استفاده از یک الگوریتم توزیع شده به صورت MapReduce در پلتفرم با کارایی بالا است و برای پیدا کردن رابطه یا الگوهای خاص در داده ها به ANN اعمال می شود. این رابطه برای پیش بینی نسل های آینده استفاده می شود. نتایج نشان می دهد نزدیکی نزدیک بین ارزش های پیش بینی شده و تولید واقعی قدرت وجود دارد.. با توجه به دقت ادغام ML با تجزیه و تحلیل داده های بزرگ پیشنهادهای حساس برای پیش بینی خواسته در آینده توسعه خواهد یافت. پیش بینی دقیق، یک تصویر واضح برای اپراتورهای سیستم برق را فراهم می کند تا به طور موثر تلفات انرژی برق را کاهش میزان امنیت انرژی آن را افزایش دهد.

Keywords:

دادههای بزرگ , الگوریتم یادگیری ماشین