Prédiction de la consommation d’électricité, de l’eau et du gaz naturel

  • Superviseur :

    Belkacem Chikhaoui

  • Domaine(s) :
    • Intelligence artificielle
    • Science des données

But:

Comparer la performance de plusieurs algorithmes de prédiction dans le contexte de consommation d’électricité, d’eau et de gaz naturel.

Intérêt :

L’intérêt du projet est de permettre d’approfondir sa connaissance de la science de données.

Description :

La base de données AMPds2

https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/FIE0S4 contient des données sur la consommation d’électricité, d’eau et de gaz naturel sur une période de deux ans. Ces données sont collectées à chaque minute.

Dans ce projet, vous devrez :

  1. développer des modèles de prédiction de la consommation des trois services? Vous devrez implémenter, en langage R, et comparer les performances des algorithmes suivants : régression, et forêt aléatoire (random forest);
  2. vous devrez extraire des relations de corrélation entre les différents services;
  3. vous devrez visualiser les périodes de consommations extrêmes (minimales et maximales) des trois services.

    4. Le code source devra être déposé au sein d’un outil de gestion de version tel que GitHub.

    Le projet doit se terminer par un rapport écrit et une présentation vidéo (enregistrée par l’étudiant).

    Les compétences requises pour réaliser ce projet :

    Compétences générales

    • Utiliser une approche orientée objet dans la définition d’une solution informatique;
    • Utiliser une méthode systématique de programmation.
    • Utiliser les principales méthodes statistiques et probalistes utilisées dans le cadre de problèmes structurés.
    • Traduire un algorithme donné dans un langage évolué de programmation;
    • Appliquer des algorithmes de tri classiques, ainsi que des algorithmes de recherche et d’extraction de l’information.

    Compétences spécifiques

    • Appliquer les techniques R, de régression et de random forestfoFor
    • Appliquer les techniques de traitement, de stockage et d’analyse de données.
    • Utiliser les analyses statistiques de base utilisées en sciences et le logiciel statistique libre R pour les réaliser.
    • Effectuer des analyses de performance des algorithmes

    Techniques

    • Utiliser le langage de programmation R,
    • Comparer les algorithme de régression et des forêts aléatoires ( random forest).

    Compétences professionnelles

    • Habilité à communiquer à l’oral et à l’écrit

    Références bibliographiques  :

    Makonin, S., Ellert, B., Bajic, I. V., and Popowich, F. (2016). Electricity, water, and natural gas consumption of a residential house in Canada from 2012 to 2014. Scientific Data, 3(160037):1–12. doi: 10.1038/sdata.2016.37