基于AdaBoost回归树的电网基建投资模型研究

发布时间：2020-12-13 23:21

　　随着经济快速发展的同时,全社会用电量不断提升,这就使得电网投资规模不断增大。电网投资包含很多专项,其中基建投资占总投资比例在百分之八十五以上,并且影响电网基建投资的因素众多,一直以来,电网公司对其下属公司基建投资的合理分配问题一直是电网企业需要解决的难题。因此,研究一种科学、合理、有效、可行的电网基建投资预算方法,为电网公司对其下属公司基建投资分配提供参考是十分有必要的。因此,本文做了如下工作:1.针对电网运营数据存在缺失的现状,对几种常见的数据填补方法进行了研究分析,提出一种基于模糊C均值聚类和拉格朗日插值结合的数据填补方法,该方法充分考虑了样本集的整体性和局部性。最后分别在单属性和多属性上构造多个缺失率数据集,并与多种填补算法进行对比,使用本文方法进行填补相比传统电网使用均值法进行填补,在单属性上和多属性上平均填补准确率分别提高了17.07%和16.18%,实验结果表明本文提出的方法在两种属性上都有较好的填补效果。2.针对影响电网基建投资的因素众多、总样本数少,无法合理选取相关指标作为模型特征的现状,本文通过计算每个运营指标与基建投资额的斜率关联度、分析关联度靠前指标的物理含义,综... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题背景及意义
    1.2 电网投资现状
    1.3 电网基建投资预测难点分析
        1.3.1 电网数据特点
        1.3.2 难点分析
    1.4 主要研究内容和章节安排
第二章 预测模型的总体研究方案
    2.1 电网基建投资预测总体思路
    2.2 电网缺失数据智能填补研究
        2.2.1 缺失数据智能填补综述
        2.2.2 非聚类算法填补研究
        2.2.3 聚类算法填补研究
        2.2.4 电网缺失数据智能填补方案
    2.3 电网运营数据特征选取研究
        2.3.1 指标选取的方法综述
        2.3.2 电网运营数据特征要求分析
        2.3.3 特征选取方案
    2.4 电网基建投资预测模型
        2.4.1 逻辑回归方法
        2.4.2 支持向量机
        2.4.3 AdaBoost算法
        2.4.4 电网基建投资预测模型方案
    2.5 本章小结
第三章 电网数据处理与特征选取
    3.1 电网缺失数据填补总体思路
    3.2 电网运营数据处理
    3.3 电网数据填补研究
        3.3.1 基于OCSFCM算法的缺失值填补研究
        3.3.2 拉格朗日插值填补算法研究
    3.4 数据填补实验结果对比
        3.4.1 单属性缺失填补实验
        3.4.2 多属性缺失填补实验
        3.4.3 数据填补实验总结
    3.5 特征选取研究
        3.5.1 关联度计算
        3.5.2 特征选取
    3.6 样本数据配对方式
    3.7 本章小结
第四章 基于AdaBoost回归树的电网基建投资预测模型
    4.1 AdaBoost算法原理及优点
    4.2 弱回归模型选择
        4.2.1 弱回归模型选择
        4.2.2 回归树算法介绍
    4.3 电网基建投资预测模型建立以及优化
        4.3.1 AdaBoost回归树模型
        4.3.2 模型优化
    4.4 预测实验结果及对比分析
        4.4.1 AdaBoost回归树实验仿真
        4.4.2 模型优化有效性分析
        4.4.3 SVR和回归树预测实验仿真
        4.4.4 各算法实验结果对比
        4.4.5 AdaBoost回归树模型优势分析
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]基于K-Adaboost数据挖掘的配电网负荷预测[J]. 刘伟,张锐锋,彭道刚.  浙江电力. 2019(01)
[2]基于支持向量机-小波神经网络的PM2.5预测模型[J]. 郑国威,王腾军.  四川环境. 2018(06)
[3]基于AdaBoost算法的药物—靶向蛋白作用预测算法[J]. 古万荣,谢贤芬,何亦琛,张子烨.  生物医学工程学杂志. 2018(06)
[4]电网精准投资决策建模研究[J]. 陈志梅,姚劲松,顾建明,刘晋雄,蔚真,乔中智,赵帅.  经济研究导刊. 2018(35)
[5]电力系统的计量缺失数据智能修复研究与应用[J]. 赵少东,王春燕.  科技创新导报. 2018(18)
[6]基于线性Bregman方法的缺失负荷数据低秩矩阵补全[J]. 刘正超,吴科成,蔡珑,顾洁,金之俭.  广东电力. 2018(05)
[7]K均值聚类算法的研究与优化[J]. 陶莹,杨锋,刘洋,戴兵.  计算机技术与发展. 2018(06)
[8]基于AdaBoost回归树的多目标预测算法[J]. 张晶.  计算机与现代化. 2017(09)
[9]电网历史数据缺失及补录研究[J]. 谢翘楚,姚毅.  四川理工学院学报(自然科学版). 2017(02)
[10]基于matlab的常见插值法及其应用[J]. 郭小乐.  赤峰学院学报(自然科学版). 2017(07)

硕士论文
[1]基于深度学习的图像超分辨算法研究[D]. 韩森森.河南大学 2018
[2]基于岭回归与LMS的电力系统负荷预测研究与应用[D]. 张成志.辽宁工程技术大学 2018
[3]基于运营数据的电网基建投资模型及其应用研究[D]. 朱晨.电子科技大学 2018
[4]济宁供电公司电网基建投资决策研究[D]. 刘庆.山东大学 2017
[5]一种基于k-means算法和关联规则的缺失数据填补方法[D]. 王策.哈尔滨工程大学 2014
[6]基于灰色理论的电网投资测算方法研究及软件实现[D]. 魏子杰.电子科技大学 2013
[7]水田除草机器人视觉导航路径与参数获取方法研究[D]. 黄小刚.华南理工大学 2013
[8]电网子公司投资规模模型的研究[D]. 都秀文.大连海事大学 2013
[9]电网建设项目可持续发展后评价研究[D]. 王国威.华北电力大学（河北） 2008
[10]灰色关联分析模型及其应用的研究[D]. 曹明霞.南京航空航天大学 2007



本文编号：2915360