Ik bouw een tijdreeksvoorspellingsmodel voor energie- en sensordata

De meeste voorspellingsmodellen lijken nauwkeurig in backtest en falen in productie. De reden is bijna altijd hetzelfde: willekeurige cross-validatie op tijd-gesorteerde data, en een enkel model getraind over regimes die anders gedrag vertonen.

Ik bouw voorspellingsmodellen op basis van tijdreeks- en sensordata, en valideer ze op de manier waarop ze daadwerkelijk gebruikt worden.

WAT JE KRIJGT

- Een model getraind en gevalideerd op strikt chronologische splitsingen, nooit geschud

- Eerlijke nauwkeurigheidsmetingen (MAE, RMSE, R²), gerapporteerd per regime in plaats van als een enkele vleiende gemiddelde

- Een duidelijke verklaring van waar het model betrouwbaar is en waar niet

MIJN REFERENTIEPROJECT

Een 24-uurs windenergievoorspellingssysteem dat in productie draait, gevalideerd op twee onafhankelijke locaties met verschillende windklimaten en een regime-gecalibreerde architectuur. Zie mijn portfolio voor de gemeten resultaten.

TYPISCHE GEBRUIKSMOGELIJKHEDEN

Energievraag en -opwekking, industriële sensormetingen, apparatuur- en belastingvoorspellingen, elk signaal waarbij tijdsvolgorde belangrijk is.

WERKT HET BEST MET

Historische data met timestamps, bij voorkeur 6+ maanden. Stuur me een bericht met je datasetgrootte en doel voordat je bestelt, dan vertel ik je eerlijk of het genoeg is.