Dissertation/ Thesis
Energy Consumption in COVID-19 Impact: Data Analysis and Deep Learning Modeling : master's thesis
| العنوان: | Energy Consumption in COVID-19 Impact: Data Analysis and Deep Learning Modeling : master's thesis |
|---|---|
| المؤلفون: | Мухаммед, А. А. М., Muhammad, A. A. M. |
| Thesis Advisors: | Ронкин, М. В., Ronkin, M. V., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления |
| Publication Status: | publishedVersion |
| بيانات النشر: | б. и., 2024. |
| سنة النشر: | 2024 |
| المجموعة: | Ural Federal University |
| Original Material: | Мухаммед, А. А. М. Energy Consumption in COVID-19 Impact: Data Analysis and Deep Learning Modeling : master's thesis / А. А. М. Мухаммед ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Кафедра информационных технологий и систем управления. — Екатеринбург, 2024. — 73 с. — Библиогр.: с. 66-69 (43 назв.). |
| مصطلحات موضوعية: | MASTER'S THESIS, COVID-19, MACHINE LEARNING, RECURRENT NEURAL NETWORKS (RNN), LENERGY CONSUMPTION, GLOBAL ENERGY LANDSCAPE, TIME SERIES ANALYSIS, REGIONAL COMPARISONS, NEW YORK CASE STUDY, PANDEMIC IMPACT, ENERGY POLICY, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, ПОТРЕБЛЕНИЕ ЭНЕРГИИ, ГЛОБАЛЬНЫЙ ЭНЕРГЕТИЧЕСКИЙ ЛАНДШАФТ, МАШИННОЕ ОБУЧЕНИЕ, АНАЛИЗ ВРЕМЕННЫХ РЯДОВ, РЕКУРРЕНТНАЯ НЕЙРОННАЯ СЕТЬ (RNN), РЕГИОНАЛЬНЫЕ СРАВНЕНИЯ, ИССЛЕДОВАНИЕ НЬЮ-ЙОРКА, ВЛИЯНИЕ ПАНДЕМИИ, ЭНЕРГЕТИЧЕСКАЯ ПОЛИТИКА |
| الوصف: | В этом исследовании изучаются беспрецедентные нарушения, вызванные пандемией COVID-19 в глобальных моделях потребления энергии. Используя ретроспективный подход, различные методологии, включая классическое машинное обучение и алгоритмы классификации временных рядов, используются для анализа энергетических данных, охватывающих период пандемии и после нее. Набор данных охватывает различные источники энергии, что позволяет изучать исторические тенденции как до, так и после COVID-19. Также изучаются региональные различия в моделях потребления энергии в ключевых регионах, таких как ОЭСР, БРИКС, СНГ и Ближний Восток. Конкретное исследование случая, сосредоточенное на Нью-Йорке, углубляется в тенденции потребления энергии в городе и влияние правил COVID-19. Представляя модель рекуррентной нейронной сети (RNN) для прогнозирования потребления энергии, исследование подчеркивает потенциал передовых методов моделирования в понимании и прогнозировании динамики потребления энергии. Применение модели RNN к данным о потреблении энергии в Нью-Йорке позволяет сравнивать прогнозируемые и фактические данные за 2020 год. Результаты подчеркивают значительные сдвиги в тенденциях глобального потребления энергии, раскрывая глубокое влияние пандемии на спрос на энергию и ее использование. Обсуждаются последствия этих сдвигов, подчеркивая необходимость адаптации энергетической политики и инфраструктуры к меняющемуся глобальному ландшафту. Рекомендации по будущим направлениям исследований предоставляются для улучшения понимания динамического взаимодействия между внешними потрясениями, такими как пандемии, и динамикой глобального потребления энергии. This research investigates the unprecedented disruptions caused by the COVID-19 pandemic on global energy consumption patterns. Employing a retrospective approach, diverse methodologies including classic machine learning and time series classification algorithms are utilized to analyze energy data spanning the pandemic period and beyond. The dataset encompasses various energy sources, enabling examination of historical trends both pre and post-COVID-19. Regional disparities in energy consumption patterns across key regions like OECD, BRICS, CIS, and the Middle East are also explored. A specific case study focusing on New York delves into the city's energy consumption trends and the impact of COVID-19 regulations. Introducing a Recurrent Neural Network (RNN) model for energy consumption prediction, the study highlights the potential of advanced modeling techniques in understanding and forecasting energy usage dynamics. Application of the RNN model to New York's energy consumption data allows comparison between predicted and actual 2020 data. The findings underscore significant shifts in global energy consumption trends, revealing the pandemic's profound impact on energy demand and utilization. Implications of these shifts are discussed, emphasizing the necessity of adapting energy policies and infrastructure to the evolving global landscape. Recommendations for future research directions are provided to enhance comprehension of the dynamic interplay between external shocks, such as pandemics, and global energy consumption dynamics. |
| Original Identifier: | oai:elar.urfu.ru:10995/140560 |
| نوع الوثيقة: | Master's Thesis |
| وصف الملف: | application/pdf |
| اللغة: | English |
| الاتاحة: | http://elar.urfu.ru/handle/10995/140560 |
| Rights: | Предоставлено автором на условиях простой неисключительной лицензии URL: http://elar.urfu.ru/handle/10995/31613 |
| رقم الانضمام: | edsndl.urfu.ru.oai.elar.urfu.ru.10995.140560 |
| قاعدة البيانات: | Networked Digital Library of Theses & Dissertations |
| الوصف غير متاح. |