本文關(guān)鍵詞：基于隨機森林算法的用電負荷預測研究

  更多相關(guān)文章： 用電負荷預測 隨機森林 分類 回歸 時間序列

【摘要】：為了解決當下用電負荷預測精度不高,難以很好模擬實際用電負荷的分布情況而不能對未來的負荷數(shù)據(jù)進行合理預測的問題,實現(xiàn)了基于隨機森林的分類模型、回歸模型以及結(jié)合Weka的時間序列模型,對某省份的負荷數(shù)據(jù)進行預測,通過對不同模型的大量的實驗及評估,發(fā)現(xiàn)這三個模型皆能合理地預測未來的用電負荷數(shù)據(jù)。此外,在同一評估指標下隨機森林算法結(jié)合WEKA中的時間序列模型的方法能夠較好地預測未來時刻的負荷數(shù)據(jù)。
【作者單位】： 福州大學數(shù)學與計算機科學學院;福建省網(wǎng)絡計算與智能信息處理重點實驗室;國網(wǎng)信通億力科技有限責任公司;
【關(guān)鍵詞】： 用電負荷預測 隨機森林 分類 回歸 時間序列
【基金】：國家自然科學基金(No.61103175,No.61300104,No.61300103) 教育部科學技術(shù)研究重點項目(No.212086) 福建省科技創(chuàng)新平臺建設(No.2009J1007) 福建省自然科學基金(No.2013J01230,No.2013J01232) 福建省高校杰出青年科學基金(No.JA12016) 福建省高等學校新世紀優(yōu)秀人才支持計劃資助(No.JA13021) 福建省教育廳科技重點項目(No.JK2012003) 福建省科技廳產(chǎn)學重大項目(No.2014H6014)
【分類號】：TP311.13
【正文快照】： 1引言負荷預測是當前數(shù)據(jù)挖掘領(lǐng)域中的一項重要任務和熱點研究問題。用電負荷預測是根據(jù)歷史和當下所了解的信息,通過已經(jīng)學習的方法和模型,提前預測和斷定所預測對象未來的結(jié)果。用電負荷預可以推測未來的用電趨勢,為人類發(fā)展做出有利的選擇提出一個重要的參考。學者們提出了

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉足華;熊惠霖;;基于隨機森林的目標檢測與定位[J];計算機工程;2012年13期

2 董師師;黃哲學;;隨機森林理論淺析[J];集成技術(shù);2013年01期

3 陳姝;彭小寧;;基于粒子濾波和在線隨機森林分類的目標跟蹤[J];江蘇大學學報(自然科學版);2014年02期

4 王麗婷;丁曉青;方馳;;基于隨機森林的人臉關(guān)鍵點精確定位方法[J];清華大學學報(自然科學版);2009年04期

5 李建更;高志坤;;隨機森林針對小樣本數(shù)據(jù)類權(quán)重設置[J];計算機工程與應用;2009年26期

6 吳華芹;;基于訓練集劃分的隨機森林算法[J];科技通報;2013年10期

7 程光;王貴錦;何禮;林行剛;;人體姿勢估計中隨機森林訓練算法的并行化[J];計算機應用研究;2014年05期

8 于延;王建華;;基于云計算平臺的隨機森林算法的研究與實現(xiàn)[J];科技通報;2013年04期

9 劉永春;宋弘;;基于隨機森林的乳腺腫瘤診斷研究[J];電視技術(shù);2014年15期

10 楊帆;林琛;周綺鳳;符長虹;羅林開;;基于隨機森林的潛在k近鄰算法及其在基因表達數(shù)據(jù)分類中的應用[J];系統(tǒng)工程理論與實踐;2012年04期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應用[A];第六屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2010)、第19屆全國多媒體學術(shù)會議（NCMT2010）、第6屆全國人機交互學術(shù)會議（CHCI2010）、第5屆全國普適計算學術(shù)會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學討論會論文集[C];2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 賀捷;隨機森林在文本分類中的應用[D];華南理工大學;2015年

2 張文婷;交通環(huán)境下基于改進霍夫森林的目標檢測與跟蹤[D];華南理工大學;2015年

3 王宇恒;推薦系統(tǒng)中隨機森林算法的優(yōu)化與應用[D];浙江大學;2016年

4 張玉桃;旅客社會網(wǎng)絡中的家庭出行預測及其行為特征分析[D];北京交通大學;2016年

5 張興;基于Spark大數(shù)據(jù)平臺的火電廠節(jié)能分析[D];太原理工大學;2016年

6 楊麗;音頻場景分析與識別方法研究[D];南京大學;2013年

7 魯奉軍;基于隨機森林算法的目標檢測與動作識別方法研究[D];吉林大學;2016年

8 吳敏;融合多特征的產(chǎn)品垃圾評論識別[D];福州大學;2012年

9 鐘龍申;隨機森林算法處理不平衡數(shù)據(jù)的改進及其并行化[D];廣東工業(yè)大學;2016年

10 胡太祥;大規(guī)模圖像標注方法研究[D];華中科技大學;2014年

，

本文編號：1127802