机器学习用于太阳能预测 由斯坦福大学的研究生Adele Kuzmiakova，Gael Colas和Alex McKeehan撰写。 此存储库包含2017年秋季季度CS229班级使用的所有项目文件。可从课程网站或上获得课程注释。 目标：使用天气特征和本地元数据（例如月或小时）来预测伊利诺伊大学太阳能发电厂的太阳能输出。 tl; dr：由于LSTM网络能够连接最新功能以执行当今的预测，因此在预测太阳能方面表现最佳。 该项目包含3个主要部分： 数据预处理：我们处理了来自美国国家海洋与大气管理

太阳能预测的机器学习 斯坦福大学研究生Adele Kuzmiakova，Gael Colas和Alex McKeehan撰写 这是我们针对斯坦福大学CS229的最终项目：“机器学习”课程（2017年）。 我们的老师是Ng and Pr。 丹·博内 语言：Python，Matlab，R 目标：根据一组天气特征的预测，预测光伏电站的每小时发电量。 该项目可以分解为三个部分： 数据预处理：我们处理了来自国家海洋和大气管理局的原始天气数据文件（输入）和来自Urbana-Champaign太阳能农场