AI-woordenlijst
Het complete woordenboek van kunstmatige intelligentie
Série Temporelle Énergétique
Ensemble de données de consommation ou de production d'énergie indexées chronologiquement, servant de base aux modèles de prévision pour identifier des tendances, saisonnalités et cycles.
Modèle ARIMA
Modèle statistique d'AutoRégression Intégrée à Moyenne Mobile, utilisé pour analyser et prévoir des séries temporelles stationnaires ou rendues stationnaires par différenciation, particulièrement adapté aux prévisions à court terme.
Méthode de Box-Jenkins
Approche systématique pour l'identification, l'estimation, la vérification et la prévision de modèles de séries temporelles (notamment ARIMA), appliquée à la modélisation rigoureuse de la demande énergétique.
Erreur Quadratique Moyenne (RMSE)
Métrique d'évaluation de la précision des prévisions, calculée comme la racine carrée de la moyenne des carrés des écarts entre les valeurs prédites et réelles de la consommation énergétique, pénalisant fortement les grandes erreurs.
Mean Absolute Percentage Error (MAPE)
Indicateur de performance de prévision exprimé en pourcentage, mesurant l'erreur absolue moyenne en la rapportant à la valeur réelle, facilitant la comparaison de la précision des modèles sur différentes échelles de consommation.
Gradient Boosting Machines (GBM)
Famille d'algorithmes d'ensemble qui construit des modèles de prévision puissants de manière séquentielle, en optimisant une fonction de perte et en corrigeant les erreurs des modèles précédents, très efficace pour les données tabulaires énergétiques.
Météo-Feature
Variable d'entrée dérivée des données météorologiques (température, humidité, vitesse du vent, ensoleillement) et intégrée dans les modèles de prévision, car elle est un facteur déterminant de la demande énergétique, notamment pour le chauffage et la climatisation.