(한국지역난방공사) 시간대별 지사간 열 연계 현황 정보 1. 주의 사항 : 없음 2. 컬럼 내용(일부 항목 기재) ■ 일자(varchar)(예시 : 2023-09-01, 2023-09-10) ■ 시간(varchar)(예시 : 1, 20) ■ 공급량1(varchar)(예시 : 0, 0) ■ 공급량2(varchar)(예시 : 48, 11) ■ 공급량3(varchar)(예시 : 246, 206) 3. 활용 예제 ■ 일자 및 시간대별 열 공급량에 대한 추이 및 패턴 분석 ■ 공급량 데이터에 대한 시계열 분석과 예측 모델 학습 ■ 공급량1, 공급량2, 공급량3에 대한 특성 분석 및 상호 연관성 분석
공공데이터활용지원센터는 공공데이터포털에 개방되는 3단계 이상의 오픈 포맷 파일데이터를 오픈 API(RestAPI 기반의 JSON/XML)로 자동변환하여 제공합니다.
오픈 API를 활용하기 위해서는 공공데이터포털 회원 가입 및 활용신청이 필요하며, 활용 관련 문의는 공공데이터활용지원센터로 연락주시기 바라며,
데이터 자체에 대한 문의는 아래 제공기관의 관리부서 전화번호로 연락주시기 바랍니다.
파일데이터는 로그인 없이 다운로드를 통해 이용하실 수 있습니다.
(한국지역난방공사) 시간대별 지사간 열 연계 현황 정보 1. 주의 사항 : 없음 2. 컬럼 내용(일부 항목 기재) ■ 일자(varchar)(예시 : 2023-09-01, 2023-09-10) ■ 시간(varchar)(예시 : 1, 20) ■ 공급량1(varchar)(예시 : 0, 0) ■ 공급량2(varchar)(예시 : 48, 11) ■ 공급량3(varchar)(예시 : 246, 206) 3. 활용 예제 ■ 일자 및 시간대별 열 공급량에 대한 추이 및 패턴 분석 ■ 공급량 데이터에 대한 시계열 분석과 예측 모델 학습 ■ 공급량1, 공급량2, 공급량3에 대한 특성 분석 및 상호 연관성 분석
(한국지역난방공사) 시간대별 지사간 열 연계 현황 정보 1. 주의 사항 : 없음 2. 컬럼 내용(일부 항목 기재) ■ 일자(varchar)(예시 : 2023-09-01, 2023-09-10) ■ 시간(varchar)(예시 : 1, 20) ■ 공급량1(varchar)(예시 : 0, 0) ■ 공급량2(varchar)(예시 : 48, 11) ■ 공급량3(varchar)(예시 : 246, 206) 3. 활용 예제 ■ 일자 및 시간대별 열 공급량에 대한 추이 및 패턴 분석 ■ 공급량 데이터에 대한 시계열 분석과 예측 모델 학습 ■ 공급량1, 공급량2, 공급량3에 대한 특성 분석 및 상호 연관성 분석
공공데이터활용지원센터는 공공데이터포털에 개방되는 3단계 이상의 오픈 포맷 파일데이터를 오픈 API(RestAPI 기반의 JSON/XML)로 자동변환하여 제공합니다.
오픈 API를 활용하기 위해서는 공공데이터포털 회원 가입 및 활용신청이 필요하며, 활용 관련 문의는 공공데이터활용지원센터로 연락주시기 바랍니다.
파일데이터는 로그인 없이 다운로드를 통해 이용하실 수 있습니다.
(한국지역난방공사) 시간대별 지사간 열 연계 현황 정보 1. 주의 사항 : 없음 2. 컬럼 내용(일부 항목 기재) ■ 일자(varchar)(예시 : 2023-09-01, 2023-09-10) ■ 시간(varchar)(예시 : 1, 20) ■ 공급량1(varchar)(예시 : 0, 0) ■ 공급량2(varchar)(예시 : 48, 11) ■ 공급량3(varchar)(예시 : 246, 206) 3. 활용 예제 ■ 일자 및 시간대별 열 공급량에 대한 추이 및 패턴 분석 ■ 공급량 데이터에 대한 시계열 분석과 예측 모델 학습 ■ 공급량1, 공급량2, 공급량3에 대한 특성 분석 및 상호 연관성 분석
(한국지역난방공사) 시간대별 지사간 열 연계 현황 정보 1. 주의 사항 : 없음 2. 컬럼 내용(일부 항목 기재) ■ 일자(varchar)(예시 : 2023-09-01, 2023-09-10) ■ 시간(varchar)(예시 : 1, 20) ■ 공급량1(varchar)(예시 : 0, 0) ■ 공급량2(varchar)(예시 : 48, 11) ■ 공급량3(varchar)(예시 : 246, 206) 3. 활용 예제 ■ 일자 및 시간대별 열 공급량에 대한 추이 및 패턴 분석 ■ 공급량 데이터에 대한 시계열 분석과 예측 모델 학습 ■ 공급량1, 공급량2, 공급량3에 대한 특성 분석 및 상호 연관성 분석