File size: 1,571 Bytes
ef50d7c | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 | # Modélisation de la consommation d'énergie renouvelable en France
Le modèle prend en compte les variables suivantes :
Temps : les années d'étude de la consommation (axe x)
All_Fossil : somme des énergies fossilles consommées par année
GDP_per_cap : PBI par année
Pourcentage : Score du parti écologique lors des élections présidentielles
L'objectif est de prédire la consommation dans les années à venir.
- ** Developed by: GEM_Groupe1
- ** Model type: Regression
- ** Language(s): Python
### Model Sources
- **Repository: model_factory/groupe1
## Uses
Prédiction de la consommation des énergies renouvelables dans un avenir proche.
## Bias, Risks, and Limitations
L'algorithme utilise les résultats des votes des présentielles en France, néanmoins en 2017 il n'y avait pas de parti écologique donc il y a un risque avec ces données.
## Training Details
### Training Data
Les données d'entrées doivent être sous forme numérique.
### Training Procedure
La fonction utilisée est : sm.OLS.from_formula
Le modèle est donc fit sur une formule quadratique.
## Evaluation
Grace au summary, il est possible de connaitre la p-value et le R^2, qui sont des valeurs permettant l'évaluation du modèle.
### Results
Le R^2 est de 0.671, ce qui veut dire que l'évolution de la consommation d'énergies renouvebles est expliqué à 67% par nos paramètres choisis en entrée du train.
Il est intéressant de noter que les votes pour le parti écologique sont à contre courant de l'évolution de la consommation.
|