-
基于RF和深度学习的中长期用电量预测研究
摘要:针对中长期用电量受多源因素综合影响的特点,先给出了众多与用电量相关的协变量,然后运用随机森林)RF）方法对单一解释变量的重要性进行了数学估计,从中识别出重要变量,在此基础上构建了基于深度信念网络)DBN）的预测模型。结合算例详细介绍了该模型原理与建立过程,交叉验证显示,经RF变量选择后能够排除冗余特征、增益预测性能:同时DBN算法优于RF和支持向量机)SVM）等传统方法。
摘要:针对中长期用电量受多源因素综合影响的特点,先给出了众多与用电量相关的协变量,然后运用随机森林)RF）方法对单一解释变量的重要性进行了数学估计,从中识别出重要变量,在此基础上构建了基于深度信念网络)DBN）的预测模型。结合算例详细介绍了该模型原理与建立过程,交叉验证显示,经RF变量选择后能够排除冗余特征、增益预测性能:同时DBN算法优于RF和支持向量机)SVM）等传统方法。
