Law, Economics and Management
- Authors:
- Polina D. Cherniaeva, Aliona A. Stupina, Mikhail V. Zhuravlev
- Work direction:
- Основные аспекты экономической теории, теории экономических процессов, экономической истории
- Abstract:
- В статье обосновывается экономическая целесообразность перехода от статических моделей прогнозирования энергопотребления к адаптивным системам потокового машинного обучения (Online Learning) с детекцией концептуального дрейфа (Concept Drift). Показано, что внедрение инкрементальных алгоритмов (Adaptive Random Forest, ADWIN) в контур управления предприятием позволяет снизить операционные издержки (OPEX) на электроэнергию за счет предиктивного сглаживания пиковых нагрузок. Эмпирические данные подтверждают снижение среднеабсолютной ошибки (MAE) на 29% и задержку обновления моделей менее 2 мс, что обеспечивает готовность технологии к внедрению на периферийных (Edge) устройствах.
- Keywords: