Saulės energijos gamybos prognozavimas

🌞 Saulės energijos gamybos prognozavimas

Problemos aprašymas

Norima sukurti regresijos modelį, kuris prognozuotų kasdienę elektros energijos gamybą (kWh) iš saulės baterijos, remiantis meteorologinėmis sąlygomis ir įrenginio charakteristikomis.

Kiekvienas pavyzdys reprezentuoja gamybos dieną ir yra charakterizuojamas keliais skaitiniais atributais, tokiais kaip šviesos intensyvumas, oro temperatūra, vėjo greitis ir kiti.

Tikslinė etiketė (energy_output) reprezentuoja tą dieną pagamintą bendrą energiją.

Ši problema priklauso univariatės regresijos kategorijai.

---

🔹 Charakteristikos (features)

• solar_irradiance – vidutinis saulės spinduliavimas (W/m²)
• temperature – vidutinė oro temperatūra (°C)
• humidity – santykinė drėgmė (%)
• wind_speed – vidutinis vėjo greitis (m/s)
• cloud_cover – vidutinis debesų padengimas (%)
• panel_angle – baterijos polinkio kampas (°)
• panel_efficiency – baterijos efektyvumas (%)

---

📘 Įvesties failų struktūra

train.csv

Turi visas features stulpelius plius energy_output stulpelį, kuris reprezentuoja tikslinio kintamojo vertę.

Pavyzdys:

SampleID	solar_irradiance	temperature	humidity	wind_speed	cloud_cover	panel_angle	panel_efficiency	energy_output
1	750.5	25.2	40.0	3.5	10	30	18.5	42.3
2	610.0	22.1	55.0	2.0	50	25	17.0	28.7

test.csv

Turi tuos pačius stulpelius kaip train.csv, bet be energy_output, ir įtraukia SampleID.

---

📤 Pateikimas

Išvesties failas (submission.csv) turi turėti lygiai du stulpelius:

• SampleID
• energy_output – modelio prognozuota vertė (float, su 2 dešimtainiais ženklais)

Pavyzdys:

SampleID	energy_output
1	41.75
2	29.10
3	35.80

---

⚙️ Vertinimas

Modelių vertinimas bus atliekamas naudojant Root Mean Squared Error (RMSE):

kur N yra pavyzdžių skaičius testavimo rinkinyje, y_i yra tikroji vertė ir y^_i yra modelio prognozuota vertė.

Galutinis balas bus skalės tarp 0 ir 100, taip kad mažas RMSE vestų prie didelio balo.

---

📊 Šaltinis

Šiai problemai naudojami duomenys yra generuojami sintetiškai.