Advertisement

海上风电发电量预测数据集（CSV格式，含4万余条记录）

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本数据集包含超过四万条详细的海上风力发电记录，以CSV格式提供，旨在为研究者与开发者提供精确的海上风电发电量预测所需的数据支持。 海上风电出力预测的数据分为训练组和测试组两大类，主要包括风电场基本信息、气象变量数据和实际功率数据三个部分。风电场基本信息涵盖各风电场的装机容量等信息；气象变量数据包含从2022年1月到2024年1月份期间，每间隔15分钟记录的各风电场的气象情况；实际功率数据则是各风电场每间隔15分钟的发电出力详情。这些数据集文件采用csv格式存储。A榜提供两个训练集和两个测试集的数据。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 海上风电发电量预测数据集（CSV格式，含4万余条记录）
    优质
    本数据集包含超过四万条详细的海上风力发电记录，以CSV格式提供，旨在为研究者与开发者提供精确的海上风电发电量预测所需的数据支持。 海上风电出力预测的数据分为训练组和测试组两大类，主要包括风电场基本信息、气象变量数据和实际功率数据三个部分。风电场基本信息涵盖各风电场的装机容量等信息；气象变量数据包含从2022年1月到2024年1月份期间，每间隔15分钟记录的各风电场的气象情况；实际功率数据则是各风电场每间隔15分钟的发电出力详情。这些数据集文件采用csv格式存储。A榜提供两个训练集和两个测试集的数据。
     
  • 风力发电预测数据集（含28201条记录）
    优质
    本数据集包含28,201条详细的风力发电相关记录，旨在为研究人员和工程师提供一个全面的资源库，用于开发和优化风能预测模型。 根据风机的ID（tracking_id）、日期时间、风速（m/s）、大气温度（°C）、轴温（°C）、叶片角度（°）、齿轮箱温度（°C）、发动机温度（°C）、电机转矩（N-m）、发电机温度（°C）、大气压力（帕斯卡）、面积温度（°C）、风车车体温度（°C）、风向（°），电阻（欧姆），转子转矩(N-m)、状态，云层高度，叶片长度(m)，风车高度(m)等参数来预测风力发电的发电量。
     
  • 艾滋病病毒感染预测数据集 CSV格式含7.2万+条记录
    优质
    本数据集为CSV格式，包含超过72,000条记录，旨在用于研究和预测艾滋病病毒（HIV）感染情况，支持相关疾病的预防与控制工作。 数据集包含已诊断为艾滋病患者的医疗保健统计数据及分类信息。 字段包括： - 时间：失败或审查的时间。 - trt：治疗指示（0=仅 ZDV；1 = ZDV + ddI，2 = ZDV + Zal，3 = 仅 ddI）。 - 年龄：基线时的年龄（岁）。 - WTKG：基线时体重 （千克）。 - 血友病：是否患有血友病（0=否；1=是）。 - 同性恋活动：是否有同性恋活动（0=否，1=是）。 - 药物滥用历史：有无静脉注射毒品史（0=否，1=是）。 - Karnofsky 评分：基线时的Karnofsky评分（范围从0到100分）。 - oprior：在前175年中是否接受过非 ZDV 的抗逆转录病毒治疗（0 = 否；1 = 是）。 - z30：前175天内是否使用过ZDV ( 0=否， 1=是 )。 - Preanti: 前175年的抗逆转录病毒疗法情况 - 种族：种族分类（0=白人，1=非白人）。 - 性别：性别（0=F；1=M）。 - STR2：患者之前是否接受过任何类型的抗逆转录治疗 ( 0 = 初次使用, 1 = 经验丰富 )。 - strat：根据既往的抗逆转录病毒疗法进行分类，分为三种情况( 1=初次使用者，2=>1但<=52周的既往治疗者，3=>52周)。 - 症状指示器：患者是否出现症状 (0 = 渐进性；1 = 出现症状 )。 - 治疗方式：当前使用的具体治疗方案（0=仅 ZDV, 1=其他）。 - offtrt: 在96+-5周前是否有停药情况 ( 0=否， 1=是)。 - CD4细胞计数：基线时的CD4细胞数量以及20+-5周后的值；另外还有相应的基线和后续时间点上的CD8 细胞 计数。 - 感染者状态：是否感染艾滋病（0 = 否，1 = 是）。
     
  • CSV格式的金融欺诈检测数据集含104万+条记录
    优质
    本数据集包含超过104万条记录，采用CSV格式存储，专为金融欺诈检测设计，涵盖多种交易类型与特征信息，助力模型训练及算法优化。 该数据集展示了移动货币交易的全面表示，并经过精心设计以反映现实世界金融活动中的复杂性以及欺诈行为的研究目的。此数据来源于名为PaySim的模拟器，利用了非洲某国实际财务日志中汇总的数据来填补公开可用金融数据集中用于检测欺诈研究方面的空白。它涵盖了多种类型的交易，包括现金存入、兑现输出、借记、支付和转账等，并为评估各种欺诈检测方法提供了一个全面的环境。 **数据集结构** - **step：** 表示现实世界中的时间单位，1 步等于 1 小时；整个模拟历时744步，相当于30天。 - **type：** 包括CASH-IN、CASH-OUT、BIT-OUT、PAYMENT 和 TRANSFER等交易类型。 - **amount：** 表示以当地货币单位表示的每笔交易金额。 - **nameOrig：** 发起该笔交易的客户名称。 - **oldbalanceOrg：** 代表发起方在进行特定操作前账户中的余额。 - **newbalanceOrig：** 指的是执行完相关操作后，发起方账户的新余额。 - **nameDest：** 接收这笔交易的客户的标识符（或称目的地）。 - **oldbalanceDest：** 表示接收方在收到资金前的账户余额。对于以M表示商家身份的客户而言，此字段不适用。 - **newbalanceDest：** 收到转账后的新收款人账户余额；同样地，如果交易涉及的是一个标识为“M”的实体，则该信息不被提供。 - **isFraud：** 标识由欺诈代理执行的那些企图通过诸如提现或转移等操作来耗尽客户资金的行为。 - **isFlaggedFraud：** 用于标记账户间未经授权的大额转账行为，任何单笔金额超过20万单位货币的交易都被视为非法。
     
  • 光伏电站发电量预测的数据集（含17500条记录）
    优质
    该数据集包含17500条关于光伏电站发电情况的详细记录，旨在支持对光伏发电量进行精准预测的研究与应用。 训练数据集包含9000条光伏发电设备采集的信息；测试数据集则有8500条类似的数据记录。 文件中的表格字段及其含义如下： - ID：当前的记录编号； - 板温：光伏电池板背测温度； - 现场温度：光伏电站现场的实际温度； - 转换效率：计算得出的平均转换效率值； - 转换效率A、B、C和D分别代表数据采集点A至D处的光伏板转换效率； - 电压A、B、C和D则对应于各汇流箱在不同采集点（A-D）上的测量电压值。
     
  • 飞猪景点数据集（CSV格式，含5万多条记录）
    优质
    该数据集包含超过5万条飞猪平台上的景点信息，以CSV格式存储，便于数据分析与挖掘。内容详尽丰富，涵盖众多旅游目的地详情。 使用Python爬取飞猪网站以获取全国景点的数据。包含的字段有：序号、景点标题、封面图、销量、价格以及对应飞猪网站的地址和景点城市。
     
  • 上海餐饮数据CSV含9W+条记录
    优质
    本数据库包含超过九万条有关上海市餐饮行业的详细记录，内容涵盖店铺信息、菜品评价及消费者反馈等多维度数据。适合市场分析与商业决策参考。 上海餐饮数据集包含9万多条记录的CSV文件，提供了丰富的信息用于分析上海餐饮行业的状况。该数据集可能包括以下核心字段： 1. **商户名称**：识别各个餐饮商家的独特标识。 2. **地址**：餐厅的具体位置，可用于研究分布规律或热门商圈。 3. **电话**：方便联系商家或获取更多信息。 4. **营业时间**：了解商家的运营模式和时间规律。 5. **人均消费**：反映餐厅的价格水平，可分析消费者的消费习惯和市场定位。 6. **评分**：消费者的评价，可以反映商家的服务质量和菜品质量。 7. **评论数量**：体现餐厅的受欢迎程度和口碑传播。 8. **菜系**：揭示了餐饮市场的多样化和地域特色。 9. **标签**：可能包括特色菜品、优惠活动等，有助于定位和推广。 10. **经纬度**：地理坐标，可进行地图上的可视化分析。 通过这些数据，我们可以进行以下多方面的分析： - **市场趋势**：分析各菜系的受欢迎程度，了解餐饮行业的主流趋势。 - **空间分布**：利用经纬度绘制热力图，研究餐饮店在城市中的分布特点，如是否集中在商业区、居民区等。 - **消费水平**：探究不同区域、菜系的人均消费差异，为消费者提供选择参考，也为商家调整定价策略提供依据。 - **时间模式**：分析营业时间与评分、评论数量的关系，理解消费者的用餐习惯。 - **用户行为**：高评分和评论数量可能意味着良好的用户体验，可挖掘顾客满意度的决定因素。 - **商圈竞争力**：对比同一商圈内不同餐厅的表现，揭示竞争格局。 - **营销策略**：根据标签数据，分析哪些特色或促销更受消费者欢迎，指导商家制定营销策略。 此外，还可以结合其他公开数据，如人口统计数据、交通信息等进行深度挖掘和综合分析。例如可以研究人口密度对餐饮需求的影响以及交通便利性对餐厅选址的考量。 这个数据集不仅为学术研究提供了宝贵的资料，也是商业智能、市场调研和政策制定的重要工具。通过有效的数据分析，我们可以洞察餐饮市场的潜在机会，优化运营，提升服务质量，并预测未来的行业动态。
     
  • 风电SCADA运行数据集-147万条记录
    优质
    该数据集包含147万条风电场SCADA系统采集的数据记录，涵盖风力发电机组的关键运行参数和状态信息，适用于数据分析、故障诊断及性能优化研究。 时间 B17.UC_ScadaActivePowerSetpoint B17.CI_YawBrakePressure3 B17.CI_TowerClearanceHb B17.CI_SubVibNacelleForeAftAcceleration B17.S_ShaftPowerSetpointTarget B17.CI_PcsActivePower B17.CI_PcsMeasuredGeneratorSpeed B17.CI_PcsMeasuredElectricalTorque B17.CO_PcsTorqueDemand B17.CI_TowerClearanceValue B17.CI_TowerClearanceValid B17.CI_RotorSpeed B17.CI_RotorSpeed2 B17.CI_SubVibNacelleSideSideAcceleration B17.CI_NacellePosition B17.CI_NacelleAutoKeySwitch B17.CI_HydraulicPowerPackPressure B17.CI_IprRealP
     
  • 近十年飞机航班数据集（CSV格式，含1.5万条记录）
    优质
    本数据集包含近十年全球航班运营信息，共计1.5万余条记录，以CSV格式呈现，涵盖航班日期、起飞降落时间、延误情况等关键指标。 标题中的“近10年飞机航班数据集 CSV 1.5W+记录”指的是一个包含大量航班信息的数据集合，以CSV格式存储，大约有15,000条记录。CSV（Comma Separated Values）是一种常见的数据交换格式，便于在不同应用程序之间交换数据。这种数据集通常用于数据分析、挖掘或机器学习任务。 该数据集中包括以下关键字段： - **航班号**：每个航班都有一个唯一的识别号，用于区分不同的飞行。 - **机型**：飞机的型号，如波音737、空客A320等，这会影响飞机的载客量、飞行距离和燃油效率。 - **出发及到达时间**：航班预计起飞和到达的具体时间，用于规划行程和计算飞行时长。 - **出发及到达省份/城市/机场**：航班的起止地点，包括省、市和具体机场，有助于了解航线网络和地理分布。 - **飞行里程**：航班的总距离，可以衡量飞行时间和消耗的燃料。 - **经纬度**：提供航班起点和终点的精确地理位置坐标，可用于地图可视化或地理分析。 - **准时率**：航班按照预定时间起飞和到达的概率，反映了航空公司的运营效率和服务质量。 - **航司**：运营该航班的航空公司，可能涉及其服务、价格策略和市场份额。 - **航班计划**：可能指的是航班的日常或季节性安排，包括频率和时刻表。 这样的数据集对于多种用途非常有用： - **市场分析**：通过分析不同航空公司的航班数量、航线分布及准时率来评估各公司在市场上的表现与竞争力。 - **乘客行为研究**：结合出发和到达城市的数据可以理解乘客流动模式，并预测热门航线及出行高峰。 - **航班优化**：通过对飞行里程和经纬度的分析，可能有助于航空公司优化飞行路线以节省燃油成本。 - **预测模型**：利用历史准时率数据构建预测模型来预估未来航班是否可能发生延误。 - **政策制定**：政府与监管机构可以使用这些信息调整航线分配或提升服务质量标准。 由于提供的文件名为“机票航班数据.xlsx”，这表明数据集可能还包含Excel版本，该格式提供了丰富的数据处理和可视化功能，如筛选、排序及图表制作等。对于初学者或需要快速分析的用户而言，这种格式更为直观。 这个数据集为研究人员、数据分析专家以及对航空业感兴趣的用户提供了一个全面且宝贵的资源，通过清洗与整理这些信息可以获取有关航空市场的深度见解，并推动决策制定和业务优化。
     
  • 风力发电预测的CSV数据集
    优质
    本数据集包含用于风力发电预测的各类气象和运行参数，旨在支持研究者开发更精确的风电输出预测模型。 构建风电功率预测模型，利用测风塔采集的风速、风向、气温、气压及湿度数据进行发电功率预测。 CSV文件格式如下： 第一列为时间； 中间列包含10米、30米、50米和70米高度处的风速与风向信息以及气温、气压和湿度等特征； 最后一列表示风电场发电功率的预测值。 具体的数据包括以下内容： - 10m, 30m, 50m 和70m 的风速（WS） - 30m, 50m 和70m 的风向（DIR） - 龙骨高度处的风速和风向 (WSHUB, DIRHUB) - 气温(TEMP)、气压(PRESSURE)以及相对湿度(RH) 示例列名： TIME, WS10, DIR10, WS30, DIR30, WS50, DIR50, WS70, DIR70, WSHUB, DIRHUB, TEMP, PRESSURE,RH