Prédiction la consommation électrique horaire sur une semaine.
Le Data Challenge organisé par le "groupe des Jeunes Statisticien.ne.s" est une compétition ouverte à tous visant à étudier des jeux de données mis à disposition par de grandes entreprises ou des entités publiques.
Le but de ce challenge est de prévoir la consommation électrique de l’île d'Ouessant à 8 jours, en s’aidant des données suivantes :
- un an de données de consommation historiques, à la maille horaire (conso_train.csv),
- un an de données météorologiques à la maille tri-horaire, issues de la proche station météorologique de Brest (meteo_train.csv),
- une semaine de données météorologiques à la maille tri-horaire, issues de la même station et faisant office de prédiction météorologique (meteo_prev.csv).
The data folder /datasets/
contains the following files:
conso_train.csv
= la consommation sur la période d'entrainement (1 an du 13/09/2015 au 13/09/2016) ;meteo_train.csv
= l'historique météo sur la période d'entrainement ;meteo_prev.csv
= l'historique météo pour la semaine à prédire (considérée comme une prédiction météo) ;sample_solution.csv
= un fichier de solution qui vous permet de voir la forme de la solution attendue.
Predictions are saved in the csv file: storm.csv
& storm_ts.csv
For modeling purposes, we make use of the Automated Machine Learning Functionality of H2o AutoML which trains and cross-validates a Random Forest, an Extremely-Randomized Forest, a random grid of Gradient Boosting Machines (GBMs), a random grid of Deep Neural Nets, and then trains a Stacked Ensemble using all of the models.
Given that 2016-09-13 0:00
is included in the train data, we set the first future prediction date to `2016-09-13 1:00
Storm_JDS2018.Rmd
= Contains all the R codes needed for reproducibility ;)Storm_JDS2018.html
= Output of RMarkdown in html format.
- Special thanks to my former colleagues:
- Benjamin Quemener | Responsable Data Analytics, SNCF
- Sonia Pelloux | Chef de projets Innovation & Recherche, SNCF
for their valuable comments and suggestions.
- Special thanks to the H2o.ai team for providing an open-source AutoML functionality.
Please feel free to fork and contribute to improving this algorithm :) Have fun!! Cheers! ;)
You can tweet or follow me at PMarteyAddo