சுமை மற்றும் தேவை முன்னறிவிப்பு

ஆதாயங்கள்:

• குறுகிய, நடுத்தர மற்றும் நீண்ட கால சுமை முன்கணிப்பில் உள்ள வேறுபாடுகள் மற்றும் ஆற்றல் அமைப்பில் அவற்றின் பயன்பாட்டின் பகுதிகளை விளக்கும் திறன்
• செயற்கை நுண்ணறிவுடன் அம்ச பொறியியல், மாதிரி தேர்வு மற்றும் கணிப்பு மதிப்பீடு ஆகியவற்றை மேற்கொள்ளும் திறன்
• MAPE போன்ற அளவீடுகள் மூலம் முன்னறிவிப்பு பிழையை அளவிடும் திறன் மற்றும் அதை பொறியியல் நியாயத்தன்மை மற்றும் பணிநீக்கத்தின் தேவை ஆகியவற்றுடன் தொடர்புபடுத்தும் திறன்

மின்சார சேமிப்பு ஒரு விலையுயர்ந்த மற்றும் வரையறுக்கப்பட்ட பண்டமாகும்; எனவே, மின் நுகர்வோர் எவ்வளவு மின்சாரம் வேண்டும், எப்போது விரும்புகிறார்கள் என்பதை ஒரு கட்டம் முன்கூட்டியே அறிந்திருக்க வேண்டும். சுமை முன்கணிப்பு என்பது எதிர்கால மின் தேவையை கணிக்கும் பணியாகும் மற்றும் இது ஆற்றல் அமைப்பின் அடிப்படை பகுப்பாய்வுகளில் ஒன்றாகும். இந்த முன்னறிவிப்பின்படி மின் உற்பத்தி நிலையங்கள் திட்டமிடப்பட்டு, சந்தையில் வாங்குதல் மற்றும் விற்பது தொடர்பான முடிவுகள் அதற்கேற்ப எடுக்கப்படுகின்றன, மேலும் நெட்வொர்க் முதலீடு அதற்கேற்ப திட்டமிடப்பட்டுள்ளது. இந்த பிரிவில், சுமை முன்கணிப்பு வகைகள், செயற்கை நுண்ணறிவு மூலம் அது எவ்வாறு நிறுவப்பட்டு மதிப்பிடப்படுகிறது மற்றும் முன்னறிவிப்பு பிழையின் பொறியியல் விளைவுகள் ஆகியவற்றைக் கற்றுக்கொள்வோம். காலத்தை தெளிவுபடுத்துவோம்: சுமை என்பது ஒரு குறிப்பிட்ட நேரத்தில் நுகரப்படும் மின்சார சக்தி (kW/MW); சுமை வளைவு என்பது காலப்போக்கில் இந்த சக்தியின் போக்காகும்.

முன்னறிவிப்பு எல்லைகள்: குறுகிய, நடுத்தர, நீண்ட கால

சுமை முன்கணிப்பு வெவ்வேறு நோக்கங்களுக்கு உதவுகிறது மற்றும் நீங்கள் எவ்வளவு தூரம் பார்க்கிறீர்கள் என்பதைப் பொறுத்து வெவ்வேறு முறைகள் தேவைப்படுகின்றன.

மிக குறுகிய மற்றும் குறுகிய கால (நிமிடங்கள் முதல் சில நாட்கள் வரை). இது கிரிட் பேலன்சிங், யூனிட் அர்ப்பணிப்பு (எந்த ஆலை செயல்படும்) மற்றும் சந்தை ஏலங்களுக்கு பயன்படுத்தப்படுகிறது. இங்கே, வானிலை, நாள் வகை (வார நாள்/இறுதி) மற்றும் சமீபத்திய நுகர்வு ஆகியவை வலுவான நிர்ணயம் ஆகும். துல்லியம் மிகவும் முக்கியமானது, ஏனெனில் பிழை நேரடி ஏற்றத்தாழ்வு செலவுகளை ஏற்படுத்துகிறது.

நடுத்தர காலம் (வாரங்கள் முதல் ஒரு வருடம் வரை). இது பராமரிப்பு திட்டமிடல், எரிபொருள் விநியோகம் மற்றும் பருவகால ஒப்பந்தங்களுக்கு பயன்படுத்தப்படுகிறது. பருவநிலை மற்றும் பொருளாதார போக்குகள் முன்னுக்கு வருகின்றன.

நீண்ட கால (ஆண்டுகள்). இது நெட்வொர்க் மற்றும் மின் உற்பத்தி நிலைய முதலீடு மற்றும் திறன் திட்டமிடலுக்கு பயன்படுத்தப்படுகிறது. மக்கள் தொகை, பொருளாதார வளர்ச்சி, மின்சார வாகனம் மற்றும் வெப்ப பம்ப் பரவல் போன்ற கட்டமைப்பு காரணிகள் தீர்க்கமானவை. இங்கே நிச்சயமற்ற தன்மை இயற்கையாகவே பெரியது மற்றும் காட்சி அணுகுமுறை பயன்படுத்தப்படுகிறது.

உதவிக்குறிப்பு: முன்னறிவிப்பு அடிவானத்தை தெளிவுபடுத்தாமல் மாதிரியைத் தேர்ந்தெடுக்க வேண்டாம். நாளைக் கணிக்கும் மாதிரி மற்றும் 2035 ஐக் கணிக்கும் மாதிரிக்கு முற்றிலும் மாறுபட்ட உள்ளீடுகள் மற்றும் வெவ்வேறு நிச்சயமற்ற மேலாண்மை தேவை.

சுமை மற்றும் அம்ச பொறியியலை தீர்மானிக்கும் காரணிகள்

இயந்திர கற்றல் மாதிரிக்கு நாம் கொடுக்கும் உள்ளீடுகள் அம்சங்கள் எனப்படும். நல்ல சுமை முன்கணிப்பு நல்ல அம்சங்களைத் தேர்ந்தெடுப்பதில் தொடங்குகிறது. சுமையை தீர்மானிக்கும் முக்கிய காரணிகள்:

• நாள்காட்டி: நேரம், நாள் வகை, வார இறுதி, பொது விடுமுறை, சீசன். சுமை மனித நடத்தையின் தாளத்தைப் பின்பற்றுகிறது; காலையிலும் மாலையிலும் மலைகளை உருவாக்குகிறது.
• காற்று: வெப்பநிலை வலிமையான காரணி (குளிர்ச்சி மற்றும் வெப்பமூட்டும் சுமை), அதைத் தொடர்ந்து ஈரப்பதம், கதிர்வீச்சு மற்றும் காற்று. வெப்பநிலை-கட்டண உறவு பொதுவாக U-வடிவத்தில் உள்ளது: சுமை மிகவும் சூடான மற்றும் மிகவும் குளிர்ந்த நிலைகளில் அதிகரிக்கிறது.
• கடந்த சுமை: ஒரு மணிநேரம், ஒரு நாள் மற்றும் ஒரு வாரத்திற்கு முன்பு நுகர்வு (லேக் அம்சங்கள்) என்பது எதிர்காலத்தில் வலுவான முன்னோடியாகும்.
• சிறப்பு நிகழ்வுகள்: முக்கிய விளையாட்டு நிகழ்வுகள், நீண்ட விடுமுறைகள், பொருளாதார அதிர்ச்சிகள்.

செயற்கை நுண்ணறிவு இந்த பண்புகளை உருவாக்குவதற்கும் எவை பயனுள்ளவை என்பதைக் கண்டுபிடிப்பதற்கும் மிகவும் பயனுள்ளதாக இருக்கும். ஆனால் ஒரு பொறியில் ஜாக்கிரதை: கணிப்பின் போது கிடைக்காத தகவலைக் கூறுவது (உதாரணமாக, கணிக்க வேண்டிய நேரத்தின் உண்மையான வெப்பநிலை, வானிலை முன்னறிவிப்பு மட்டுமே இருக்கும்) தரவு கசிவை உருவாக்கி, மாதிரியை அடிப்படையில் பயனற்றதாக ஆக்குகிறது.

படிப்படியாக: செயற்கை நுண்ணறிவுடன் மதிப்பீட்டை ஏற்றவும்

படி 1 - சிக்கலை வரையறுக்கவும். அடிவானம் (நாளை அல்லது அடுத்த ஆண்டு), தீர்மானம் (மணிநேரம்) மற்றும் இலக்கு (மொத்த அமைப்பு சுமை அல்லது ஒற்றை ஊட்டி) ஆகியவை தெளிவுபடுத்தப்பட்டுள்ளன.

படி 2 - தரவைத் தயாரிக்கவும். முந்தைய அலகில் உள்ள ஒழுங்குமுறையுடன் ஒரு சுத்தமான நேரத் தொடர் நிறுவப்பட்டது; வானிலை மற்றும் காலண்டர் தரவு சேர்க்கப்பட்டது.

படி 3 - பண்புகளை உருவாக்கவும். அட்டவணை, தாமதமான சுமை மற்றும் வானிலை பண்புக்கூறுகள் உருவாக்கப்படுகின்றன. கசிவு சரிபார்க்கப்பட்டது: கணிப்பு நேரத்தில் ஒவ்வொரு அம்சமும் கிடைக்குமா?

படி 4 - மாதிரியைத் தேர்ந்தெடுத்து பயிற்சியளிக்கவும். ஒரு எளிய அடிப்படை (எ.கா. "கடந்த வாரம் இதே நேரம்") எப்போதும் முதல் படியாகும்; மேம்பட்ட மாதிரிகள் இந்த அடித்தளத்தை மிஞ்சும் அளவிற்கு மட்டுமே மதிப்புமிக்கவை. மாதிரி குறியீடு மற்றும் அம்ச பைப்லைனை உருவாக்க AI உதவியாக உள்ளது.

படி 5 - மதிப்பீடு. மாதிரியானது பார்க்காத ஒரு காலப்பகுதியில் சோதிக்கப்படுகிறது (எதிர்கால காலம்); பயிற்சி தரவுகளில் இது ஒருபோதும் மதிப்பிடப்படுவதில்லை. அளவீடுகள் மணிநேரம் மற்றும் ஆட்சிமுறையால் பிரிக்கப்படுகின்றன.

படி 6 - நிச்சயமற்ற தன்மையைப் புகாரளிக்கவும். ஒரு வரம்பு (கணிப்பு இசைக்குழு) கொடுக்கப்பட்டுள்ளது, ஒரு எண் இல்லை; இந்த இசைக்குழுவின்படி நெட்வொர்க் பணிநீக்கம் திட்டமிடப்பட்டுள்ளது.

கணிப்புப் பிழையை அளவிடுவது: MAPE மற்றும் அதற்கு அப்பால்

முன்னறிவிப்பு தரத்தை அளவிட பல அளவீடுகள் பயன்படுத்தப்படுகின்றன. MAPE (சராசரி முழுமையான சதவீத பிழை) என்பது கணிப்புக்கும் யதார்த்தத்திற்கும் இடையிலான சராசரி சதவீத வித்தியாசம்; விளக்குவது எளிது. பொதுவாக 1 முதல் 3 சதவிகிதம் MAPE ஆனது சிஸ்டம்-லெவல் குறுகிய கால சுமை முன்கணிப்புக்கு நல்லதாகக் கருதப்படுகிறது; ஒற்றைக் கட்டிடம்/ஊட்டி மட்டத்தில் இந்த மதிப்பு இயற்கையாகவே அதிகமாக உள்ளது, ஏனெனில் ஒற்றை நுகர்வோர் மிகவும் மாறக்கூடியவர்.

ஆனால் MAPE மட்டுமே தவறாக வழிநடத்தும். சராசரி குறைவாகத் தெரிந்தாலும், பீக் ஹவர்ஸின் போது முறையான விலகல் இருக்கலாம், மேலும் நெட்வொர்க் உச்சத்தில் முக்கியமானதாக இருக்கும். எனவே, பிழையை ஒரு மணிநேரம், நாள் வகை மற்றும் குறிப்பாக உச்ச தருணங்களில் தனித்தனியாக ஆய்வு செய்வது அவசியம். கூடுதலாக, பிழையின் திசை முக்கியமானது: தொடர்ந்து குறைத்து மதிப்பிடுவது (தேவையை குறைத்து மதிப்பிடுவது) போதுமான உற்பத்தி அட்டவணைக்கு வழிவகுக்கிறது மற்றும் ஏற்றத்தாழ்வை உருவாக்குகிறது.

எச்சரிக்கை: "MAPE 2 சதவிகிதம், சிறந்தது" என்று சொன்னால் போதாது. பீக் ஹவர் MAPE 6 சதவீதமாக இருந்தால், நீங்கள் தொடர்ந்து மாலை உச்சத்தை குறைத்து மதிப்பிட்டால், அந்த மாதிரியுடன் கிரிட் பேலன்சிங் சமரசம் செய்யப்படுகிறது. சராசரி மெட்ரிக்கை ஆட்சியால் உடைக்காமல் பாதுகாப்பானதாக கருத வேண்டாம்.

மூன்று சிறிய வழக்குகள்: எண்கள் மூலம்

வழக்கு 1 - அடிப்படையை கடக்கத் தவறியது. ஒரு குழு ஒரு சிக்கலான மாதிரியை உருவாக்கியது மற்றும் 2.8 சதவீத MAPE ஐப் பெற்றது மற்றும் மகிழ்ச்சியடைந்தது. பின்னர் எளிய "கடந்த வாரம் அதே நேரம் + வெப்பநிலை திருத்தம்" அடிப்படையில் 2.6 சதவீதம் கொடுத்தது. சிக்கலான மாதிரி அடித்தளத்தை கடக்க முடியவில்லை; கூடுதல் சிக்கலான எந்த மதிப்பும் இல்லை. பாடம்: முதலில் எளிய அடித்தளத்தை உருவாக்குங்கள்.

வழக்கு 2 - மேல்நிலை குருட்டுப் புள்ளி. ஒரு விநியோக நிறுவனத்தின் மாடல் ஒட்டுமொத்த MAPE இல் 2.1 சதவிகிதம் நன்றாக இருந்தது, ஆனால் கோடை மாலை ஏர் கண்டிஷனிங் உச்சத்தின் போது தொடர்ந்து 7 சதவிகிதம் குறைவாகக் கணிக்கப்பட்டது. இது ஒரு சில சூடான நாட்களில் எதிர்பாராத சுமை மற்றும் மின்னழுத்த வீழ்ச்சியை உருவாக்கியது. வெப்பநிலை பண்புடன் "தொடர்ச்சியான வெப்ப நாட்களின் எண்ணிக்கை" (கட்டிட வெப்பக் குவிப்பு) சேர்க்கப்பட்டபோது, ​​உச்சப் பிழை 3 சதவீதமாகக் குறைந்தது.

வழக்கு 3 - கசிவைக் கட்டுப்படுத்துதல். ஒரு பயிற்சியாளரின் மாதிரி நம்பமுடியாத அளவிற்கு சிறப்பாக செயல்பட்டது (0.4 சதவீதம் MAPE) பேக்டெஸ்டிங்கில். அந்த மாதிரியானது முன்னறிவிக்கப்பட்ட நேரத்தின் உண்மையான வெப்பநிலையை ஒரு பண்புக்கூறாகப் பயன்படுத்தியதாக விசாரணை காட்டுகிறது; உண்மையில் அது ஒரு வானிலை முன்னறிவிப்பாக மட்டுமே இருக்கும். கசிவு சரி செய்யப்பட்டதும், MAPE ஆனது யதார்த்தமான 2.5 சதவீதமாக அதிகரித்தது. ஒரு "மிக நல்ல" முடிவு பெரும்பாலும் பிழையின் அறிகுறியாகும்.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்

பலவீனமான உடனடி:

இந்த சுமை தரவைக் கொண்டு கணிப்பு மாதிரியை உருவாக்கவும்.[data]

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: ஆற்றல் தேவை முன்னறிவிப்பு நிபுணர். நோக்கம்: நாள்-முன்னே (24 மணிநேரம் முன்னால்) மணிநேர சிஸ்டம் சுமை முன்னறிவிப்பு.- முதலில் ஒரு எளிய அடிப்படையை முன்மொழியவும் (எ.கா. கடந்த வாரம் இதே நேரம்) அதைக் குறிப்பிடவும்.- பண்புகளின் பட்டியலைப் பிரித்தெடுக்கவும்; ஒவ்வொரு பண்புக்கும், "கணிப்பு உடனடியாக கிடைக்குமா?" குறி. கசிவு அபாயத்தில் உள்ளவர்களைப் பிரிக்கவும்.- பயிற்சிக் காலத்திலிருந்து தனித்தனியாக, பிற்காலத்தில் மதிப்பீட்டை நடத்தவும்.- பொதுவாகவும், பீக் ஹவர்ஸில் தனித்தனியாகவும் MAPEஐப் புகாரளிக்கவும்; பிழையின் திசையைக் குறிப்பிடவும் (குறைந்த/உயர்). - முடிவு கணிப்பு இடைவெளியாக இருக்கட்டும், ஒரு எண்ணாக அல்ல. தரவுத் திட்டம்: [நெடுவரிசைகள்]

சக்திவாய்ந்த ப்ராம்ட் அடித்தளத்தைச் செயல்படுத்துகிறது, கசிவைத் தடுக்கிறது, மதிப்பீட்டைத் துல்லியமாக நிறுவுகிறது மற்றும் நிச்சயமற்ற தன்மையைக் காணக்கூடியதாக ஆக்குகிறது - மோசமான சுமை முன்கணிப்பின் நான்கு உன்னதமான தவறுகளை வெட்டுகிறது.

நான்கு நகலெடுக்கக்கூடிய டெம்ப்ளேட்கள்

1) பண்பு மற்றும் கசிவு சரிபார்ப்பு:

பின்வரும் கணிப்புச் சிக்கலுக்கான அம்சங்களின் பட்டியலை முன்மொழியவும்: [சிக்கல்]. ஒவ்வொரு பண்புக்கும், மூன்று தகவல்களை வழங்கவும்: (அ) சுமையை ஏன் பாதிக்கிறது, (ஆ) உடனடியாகக் கிடைக்கும் கணிப்பு, (இ) கசிவு ஏற்படும் அபாயம் உள்ளது. உங்கள் பட்டியலில் இருந்து கசிவுகளை அகற்றவும்.

2) அடிப்படை மாதிரியை நிறுவுதல்:

இந்த சுமை தொடருக்கான குறைந்தபட்சம் இரண்டு எளிய அடிப்படைகளை பரிந்துரைக்கவும் (எ.கா. நேற்றைய அதே நேரம், கடந்த வாரம் இதே நேரம், வெப்பநிலை-சரிசெய்யப்பட்ட சராசரி). ஒவ்வொன்றிற்கும் காரணத்தை எழுதுங்கள். இந்த அடிப்படைகளை அர்த்தத்துடன் கடந்து சென்றால் மட்டுமே மேம்பட்ட மாதிரி முன்மொழியப்படும்.

3) மதிப்பீட்டு நெறிமுறை:

இந்த மாதிரிக்கான மதிப்பீட்டுத் திட்டத்தை அமைக்கவும்: தனி பயிற்சி/சோதனை காலங்களை நேர வரிசையில் (எதிர்காலத்திலிருந்து கடந்த காலத்திற்கு கசிவு இல்லை). பொதுவான, நாள் வகை மற்றும் பீக் ஹவர் அடிப்படையில் தனித்தனியாக அளவீடுகளைக் கணக்கிடுங்கள். பிழையின் முறையான அம்சத்தைப் புகாரளிக்கவும்.

4) நிச்சயமற்ற தன்மை மற்றும் முடிவெடுத்தல்:

வரம்பில் (மேல்/கீழ் பேண்ட்) முன்னறிவிப்பை வழங்கவும். இந்த இடைவெளி எவ்வாறு கட்டம் பணிநீக்கம் மற்றும் சந்தை ஏல முடிவுடன் இணைக்கப்படும் என்பதை விளக்குக. "மோசமான சூழ்நிலை" என்னவாக இருக்கும் என்ற கேள்விக்கும் பதிலளிக்கவும்.

முன்னறிவிப்பு அடிவான அட்டவணை

அடிவானம்

கால அளவு

அடிப்படை பயன்பாடு

ஆதிக்கம் செலுத்தும் காரணி

மிகவும் குறுகிய

நிமிடம்-மணிநேரம்

சமநிலை, கட்டுப்பாடு

சமீபத்திய சுமை

குறுகிய

1-7 நாட்கள்

அலகு அர்ப்பணிப்பு, சந்தை

வானிலை, நாள் வகை

நடுத்தர

வாரம்-ஆண்டு

பராமரிப்பு, எரிபொருள், ஒப்பந்தம்

பருவநிலை, பொருளாதாரம்

நீளமானது

ஆண்டுகள்

முதலீடு, திறன்

மக்கள் தொகை, EV, வெப்ப பம்ப்

பொதுவான தவறுகள்

• எளிய அடித்தளத்தைத் தவிர்த்தல். ஒரு சிக்கலான மாதிரியானது எளிமையான அடித்தளத்தை மீறுகிறது என்பதை நிரூபிக்காமல் மதிப்புமிக்கதாக கருத முடியாது.
• தரவு கசிவு. கணிப்பு நேரத்தில் கிடைக்காத தகவல்களைக் கற்பிப்பது தவறான முழுமையை உருவாக்குகிறது.
• சராசரி அளவீட்டை கண்மூடித்தனமாக நம்புதல். அதிக நேரம் மற்றும் பருவகால மாற்றங்கள் தனித்தனியாக ஆராயப்படாவிட்டால், நெட்வொர்க் ஆபத்தில் உள்ளது.
• ஒற்றைப்படை எண்ணைக் கொடுப்பது. பணிநீக்கத் திட்டமிடலுக்கு நிச்சயமற்ற கட்டுப்பாடற்ற முன்கணிப்பு முழுமையடையாது.
• பயிற்சி தரவை மதிப்பீடு செய்தல். மாடல் எப்பொழுதும் தெரியாத ஒரு காலகட்டத்தில் சோதிக்கப்பட வேண்டும்.

சுருக்கமாக

சுமை முன்கணிப்பு என்பது ஆற்றல் அமைப்பின் துடிப்பு ஆகும்; அதன் முறையும் நிச்சயமற்ற தன்மையும் அடிவானத்தைப் பொறுத்து மாறுபடும். நல்ல முன்கணிப்பு நல்ல பண்புகளுடன் தொடங்குகிறது மற்றும் கசிவுக்கு எதிராக நுணுக்கம் தேவைப்படுகிறது. செயற்கை நுண்ணறிவு அம்சம் உருவாக்கம், மாதிரி உருவாக்கம் மற்றும் மதிப்பீடு ஆகியவற்றில் ஒரு சக்திவாய்ந்த உதவியாகும்; ஆனால் எளிய அடிப்படை எப்போதும் குறிப்பு, மதிப்பீடு பார்க்கப்படாத காலத்தில் செய்யப்படுகிறது மற்றும் பிழை உச்சநிலை/ஆட்சி அடிப்படையில் விளக்கப்படுகிறது, சராசரியாக அல்ல. மதிப்பீடு ஒற்றை எண் அல்ல, ஆனால் தீர்மானிக்கப்பட்ட வரம்பு.

விண்ணப்ப பணி

ஒரு சுமை அல்லது நுகர்வு தொடரை எடுத்துக் கொள்ளுங்கள். முதலில் ஒரு எளிய அடிப்படையை கைமுறையாக அமைக்கவும் (எ.கா. "கடந்த வாரம் இதே நேரம்"). "பண்பு மற்றும் கசிவு சரிபார்ப்பு" மற்றும் "மதிப்பீட்டு நெறிமுறை" டெம்ப்ளேட்களுடன் ஒரு முன்கணிப்புத் திட்டத்தை AIயிடம் கேட்கவும். பரிந்துரைக்கப்பட்ட ஒவ்வொரு பண்புக்கூறின் கசிவு அபாயத்தைப் பற்றி உங்களை நீங்களே கேள்வி கேட்கவும். இறுதியாக, உச்ச நேரத்தில் முன்னறிவிப்பின் பிழை சராசரி பிழையிலிருந்து வேறுபடுகிறதா என்பதைச் சரிபார்த்து, உங்கள் கண்டுபிடிப்பை எழுதவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் முன்னறிவிப்பு அடிவானம், தீர்மானம் மற்றும் இலக்கை தெளிவுபடுத்தினேன்
• [ ] நான் ஒரு எளிய அடித்தளத்தை உருவாக்கி அதைக் குறிப்பிட்டேன்
• [ ] ஒவ்வொரு பண்பும் "உடனடியாக கணிக்கப்படுகிறதா?" கசிவு இருக்கிறதா என்று சோதித்தேன்.
• [ ] நான் ஒரு குருட்டு காலத்தில் மதிப்பீடு செய்தேன்
• [ ] நான் பொது மற்றும் பீக் ஹவர் அடிப்படையில் தனித்தனியாக MAPE ஐ ஆய்வு செய்தேன்
• [ ] பிழையின் முறையான திசையை நான் சரிபார்த்தேன் (குறைந்த/உயர்)
• [ ] நான் நிச்சயமற்ற தன்மை மற்றும் தீர்ப்பு வரம்பில் மதிப்பீட்டை வழங்கினேன்