AI მოთხოვნის პროგნოზირების ძრავა
მანქანური სწავლების pipeline გაზის მოთხოვნის პროგნოზირებისთვის, სტატისტიკური მეთოდებისა და ამინდზე დაფუძნებული მახასიათებლების კომბინირებით, 95%+ სიზუსტით.
პროგნოზირებადი ანალიტიკის პლატფორმა, რომელიც მანქანურ სწავლებას იყენებს გაზის განაწილების ქსელების ოპერაციულ მონაცემებზე. პროგნოზირების მოდული იყენებს ანსამბლ მეთოდებს, რომლებიც ისტორიულ მოხმარების მონაცემებზე, ამინდის შაბლონებსა და კალენდარულ მახასიათებლებზეა გაწვრთნილი, რათა მოთხოვნა სხვადასხვა დროით ჰორიზონტზე იწინასწარმეტყველოს.
95%+ სიზუსტე მიღწეულია სტატისტიკური მოდელირების, scikit-learn-ისა და დროითი რიგების პროგნოზირების (ARIMA, Prophet) გამოყენებით NumPy/SciPy/Pandas-ის სამეცნიერო ბიბლიოთეკებთან ერთად. სისტემა ასევე მოიცავს ანომალიების აღმოჩენას აღრიცხვის მონაცემებში უჩვეულო შაბლონების გამოსავლენად, რომლებიც შესაძლოა კომერციულ დანაკარგებს ან მოწყობილობის გაუმართაობას მიუთითებდეს.