Energy Consumption Synthesis through Time-Series Image Representation: A GAN-Based Approach
Tekijät
Päivämäärä
2024Oppiaine
Machine Learning and Data SciencePääsyrajoitukset
Tekijä ei ole antanut lupaa avoimeen julkaisuun, joten aineisto on luettavissa vain Jyväskylän yliopiston kirjaston arkistotyösemalta. Ks. https://kirjasto.jyu.fi/fi/tyoskentelytilat/laitteet-ja-tilat#autotoc-item-autotoc-2.
Tekijänoikeudet
© The Author(s)
Time-series forecasting is a longstanding problem, continually evolving with new methodologies. A significant portion of today's data consists of timestamped measurements, such as stock prices, medical monitoring, application logs, weather records, and energy consumption data. Most deep-learning approaches for forecasting time-series data rely on the memory of processing cells, which remember past events and connect them to future occurrences. This thesis explores an innovative method by transforming time-series datasets into the format of colored digital images and employing Convolutional Neural Networks (CNNs) to process multiple cross-correlating time-series datasets simultaneously. This method allows for the analysis of the same time of day across multiple days using a single convolution kernel.
The CNN is integrated into a Generative Adversarial Network (GAN), a robust technique for training generative models. The GAN is then trained to synthesize a time-series dataset consisting of electricity consumption measurements, temperature measurements, and wind speed measurements, spanning the hours of an entire year. The model successfully generated accurate temperature and wind data, although struggling with correct pattern generation for electricity consumption data. This might be due to a multitude of reasons, such as data preparation, model design, and assumptions regarding the data. This study demonstrates the feasibility and potential of generating accurate time-series data in the format of an image, potentially inspiring new approaches for developing time-series models.
...
Aikasarjojen ennustaminen on pitkään tutkittu ongelma, joka kehittyy jatkuvasti uusien menetelmien myötä. Merkittävä osa nykyään tallennetuista tiedoista koostuu aikaleimatuista mittauksista, kuten osakekurssit, lääketieteelliset seurantatiedot, sovelluslokit, säähavainnot ja energiankulutustiedot. Useimmat syväoppimiseen perustuvat lähestymistavat aikasarjojen ennustamiseen nojaavat prosessointisolujen muistiin, joka tarkastelee menneitä tapahtumia, yhdistäen ne tuleviin tapahtumiin. Tämä tutkielma tarkastelee innovatiivista menetelmää, jossa aikasarjat muutetaan digitaalisen värikuvan muotoon ja konvoluutioneuroverkkoja (CNN) hyödyntäen käsitellään useita aikasarjatietoainestoja yhtä aikaa. Tämä menetelmä mahdollistaa usean päivän samanaikaisen prosessoinnin, helpottaen toistuvien kuvioiden havaitsemista.
Konvoluutioneuroverkko integroidaan generatiiviseen kilpailevaan verkostoon (GAN), joka on tehokkaaksi todettu menetelmä generatiivisten mallien kouluttamiseen. GAN-verkko koulutettiin luomaan aikasarjatietoaineistoja, jotka kattavat vuoden jokaisen tunnin sähkönkulutuksen, lämpötilan ja tuulennopeuden. Malli onnistui tuottamaan tarkkoja lämpötila- ja tuuliaikasarjoja, mutta sähkönkulutuksen vaihtelevien kulutuskuvioiden toisintaminen ei onnistunut. Tämä voi johtua muun muassa mallien suunnitteluvirheistä, datan esikäsittelystä ja oletuksista koulutusdataan. Kokonaisuudessaan tämä tutkimus osoitti potentiaalia kuvamuotoisten aikasarjojen generoinnissa, mikä saattaa inspiroida uusia lähestymistapoja aikasarjamallien kehittämisessä.
...
![showless](/themes/JYX2//images/showless.png)
![showmore](/themes/JYX2//images/showmore.png)
![showless](/themes/JYX2//images/showless.png)
![showmore](/themes/JYX2//images/showmore.png)
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Pro gradu -tutkielmat [28907]
Lisenssi
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
Mothers’ self-representations and representations of childhood on social media
Kallioharju, Minna; Wilska, Terhi-Anna; Vänskä, Annamari (Emerald, 2023)Purpose The purpose of this paper is to examine mothers’ social media accounts that focus on children’s fashion. The authors probed children’s fashion photo practices as representations of the mothers’ extended self and ... -
Encouraging energy conservation with ʻno hard feelingsʻ : a two-part analysis of communication between energy companies and Finnish households
Korsunova, Angelina (University of Jyväskylä, 2010) -
The inseparable union of taxation and representation : a conceptual approach on the idea of representation during the controversies on the excise scheme and the Stamp Act, 1732-1734 and 1765-1766
Haaparinne, Zachris (2015)Tämä tutkielma käsittelee edustuksellisuuskäsityksiä vuosien 1732 - 1734 valmisteverokriisin ja vuosien 1765 - 1766 leimaverokriisin aikana. Valmisteverokriisillä viitataan Sir Robert Walpolen, Britannian ensimmäisen ... -
Energy efficient model for biogas production in farm scale
Huopana, Tuomas (2011)Energy efficient solutions for six farm biogas production was found by calculating mass and energy balance in different scenarios. Raw materials in biogas production were cow manure and grass silage that were produced in ... -
LoRa-Based Sensor Node Energy Consumption with Data Compression
Väänänen, Olli; Hämäläinen, Timo (IEEE, 2021)In this paper simple temporal compression algorithms' efficiency to reduce LoRa-based sensor node energy consumption has been evaluated and measured. It is known that radio transmission is the most energy consuming operation ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.