ناقشت رسالة ماجستير في كلية الهندسة بجامعة البصرة نمذجة طلب الطاقة على اساس التعلم العميق للتنبؤ بالتقلبات في تطبيق الاستجابة للطلب
وتناولت الرسالة التي قدمتها الطالبة سراب شنان سوادي توضح كيف يمكن لعملية التعلم الآلي المدمجة أن تزيد بشكل كبير من دقة التنبؤ. أظهرت مدى جودة أداء XGBoost و Random Forest بشكل فردي وكمجموعة.
تعتزم بناء استراتيجية التعلم العميق للهجين (RNN-GRU) ، والتي تعتمد على التعلم المتسلسل وتستخدم كلاً من الشبكة العصبية المتكررة (RNN) والوحدات ذات البوابات المتكررة (GRU). تم استخدام العديد من نماذج التعلم العميق ، بما في ذلك RNN أحادي الطبقة ، و GRU أحادي الطبقة ، و RNN المكدس ، و GRU المكدس ،
واستنتجت الرسالة بأن كشف تقييم نتائج التجربة باستخدام متوسط النسبة المئوية المطلقة للأخطاء (MAPE) ومنهجيات الدقة (R2-Score) أن تنبؤات النموذج المشيد حديثًا هي الأكثر كفاءة مع أقل معدلات الخطأ ، مع MAPE = 5.6945 و R2 = 94.3055 على التوالي.