머신러닝 해석 기법을 이용한 전력 수요 예측 모델 해석

이용건; 오재영; 김기백

doi:10.5370/KIEE.2020.69.3.480

추천

검색

질문

자료유형: 학술저널

저자정보: 이용건 (Soongsil University) 오재영 (Soongsil University) 김기백 (Soongsil University)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제69권 제3호

발행연도: 2020.3

수록면: 480 - 485 (6page)

DOI: 10.5370/KIEE.2020.69.3.480

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Artificial intelligence (AI) is getting popular and has been successfully applied to many applications. However, in many cases, AI is considered as a ‘black box’ which is hard to interpret. Recently, researchers have been attempting to explain AI systems and various explainable AI techniques have been developed. In this paper, we apply explainable AI techniques to interpret the load forecasting based on machine learning method. For load forecasting, we employ XGBoost which is decision tree based gradient boosting algorithm. The XGBoost based load forecasting approach was analyzed in terms of feature importance and partial dependence plot. The experimental results show that the performance can be improved by selecting features which were found to have high importance in the SHAP analysis.

#Load forecasting #Machine Learning #XGBoost #Explainable Artificial Intelligence

참고문헌 (13)

참고문헌 신청

오재영 / 2019 / XGBoost 기법을 이용한 단기 전력 수요 예측 및 하이퍼파라미터 변화에 따른 영향 분석 / 전기학회논문지 68(9):1073~1078

C. Molnar / 2019 / Interpretable Machine Learning: A Guide for Making Black Box Models Explainable / Leanpub

S. Bach / 2015 / On pixel-wise explanations for non-linear classifier decisions by layer-wise relevance propagation / PloS One :e0130140

A. Datta / 2016 / Algorithmic transparency via quantitative input influence: Theory and experiments with learning systems / Security and Privacy (SP)

S. Lipovetsky / 2001 / Analysis of regression in game theory approach / Applied Stochastic Models in Business and Industry :319~330

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이용건

소속기관 숭실대학교

주요연구분야 공학 > 전기전자공학 > 전기공학 TOP 5%

논문수 8 이용수 3,453

오재영

소속기관 서울대학교

주요연구분야 공학 > 전기전자공학 > 전기공학 TOP 5%

논문수 12 이용수 4,892

김기백

소속기관 숭실대학교

주요연구분야 공학 > 전기전자공학 > 전기공학 TOP 10% 공학 > 전기전자공학 > 정보통신공학

논문수 33 이용수 4,823

이 논문과 함께 이용한 논문

빅데이터를 이용한 인공신경망 기반 시간별 전력수요 예측

이지원 , 김형준 , 김문겸 전기학회논문지 2020 .06

딥러닝 모델 기반 단기 전력수요 예측

김도현 , 조호진 , 김명수 외 2명 전기학회논문지 2019 .09

인공지능 해석 기법을 이용한 태양광 발전량 예측 성능 향상

오재영 , 이용건 , 김기백 전기학회논문지 2020 .07

XGBoost를 이용한 단기 발전량 예측 모델의 평가 및 해석

이용건 , 함도현 , 오재영 외 1명 대한전기학회 학술대회 논문집 2019 .07

기상 예보를 이용한 머신러닝 알고리즘 기반 태양광 발전량 예측 기법

김정원 한국정보기술학회논문지 2019 .09

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (13)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)