Ensemble-Based Anomaly Detection for Urban Power Efficiency Towards Sustainable Energy Management
Dit onderzoek stelt een op ensemble gebaseerd anomaliedetectiesysteem voor voor de efficiëntie van stedelijk vermogen, dat traditionele machine learning-algoritmen vergelijkt met deep learning Autoencoders, waarbij wordt aangetoond dat de Autoencoder een superieure prestatie levert (F1-scores van 0,9740 en 0,9494) terwijl SHAP wordt gebruikt voor interpreteerbaarheid om duurzaam energiebeheer te ondersteunen.