分項2-4:月討論

1.太陽能板發電量預測研究 : 演算法類別

a)依據專案太陽能板發電資料庫歷史資料，開發發電量預測程式。將比較不同演算法預測效果，如統計時序工具Arima、FBprophet、傳統機器學習、深度網路等。。
b)FBprophet 是一個由 Facebook Core Data Science Team 發表的開源代碼庫，用於時間序列預測，基於 Python 和 R 語言。相較於自行訓練時間序列預測模型， FBprophet 的一些特性如下：改善模型選擇和調參的時間成本：時間序列有許多經典算法如 AR, VAR, ARMA, ARIMA, 指數平滑法等，選擇模型和調參的過程可被自動化。。提供讓分析師、領域專家能根據經驗法則設定的參數：例如歷史週期、特殊節日的日期等。
2.太陽能板發電量預測研究 : 資料分析

日發電量資料(原始資料)。

日發電量資料(填補後資料):以相鄰一週內及歷年同日發電量之平均做為填補值。

特徵

資料分集(以2020年4月5日為界，66.7%為訓練集、33.3%為測試集)。

預測結果(XGBoost MAAPE:25%)

預測結果(ARIMA MAAPE:22%)
3.充換電站linebot程式建置

Linebot圖片修改；使用工作排程讓程式比較穩定