基于随机森林算法的用电负荷预测研究

发布时间：2017-11-01 17:22

  本文关键词：基于随机森林算法的用电负荷预测研究

  更多相关文章： 用电负荷预测 随机森林 分类 回归 时间序列

【摘要】：为了解决当下用电负荷预测精度不高,难以很好模拟实际用电负荷的分布情况而不能对未来的负荷数据进行合理预测的问题,实现了基于随机森林的分类模型、回归模型以及结合Weka的时间序列模型,对某省份的负荷数据进行预测,通过对不同模型的大量的实验及评估,发现这三个模型皆能合理地预测未来的用电负荷数据。此外,在同一评估指标下随机森林算法结合WEKA中的时间序列模型的方法能够较好地预测未来时刻的负荷数据。
【作者单位】： 福州大学数学与计算机科学学院;福建省网络计算与智能信息处理重点实验室;国网信通亿力科技有限责任公司;
【关键词】： 用电负荷预测 随机森林 分类 回归 时间序列
【基金】：国家自然科学基金(No.61103175,No.61300104,No.61300103) 教育部科学技术研究重点项目(No.212086) 福建省科技创新平台建设(No.2009J1007) 福建省自然科学基金(No.2013J01230,No.2013J01232) 福建省高校杰出青年科学基金(No.JA12016) 福建省高等学校新世纪优秀人才支持计划资助(No.JA13021) 福建省教育厅科技重点项目(No.JK2012003) 福建省科技厅产学重大项目(No.2014H6014)
【分类号】：TP311.13
【正文快照】： 1引言负荷预测是当前数据挖掘领域中的一项重要任务和热点研究问题。用电负荷预测是根据历史和当下所了解的信息,通过已经学习的方法和模型,提前预测和断定所预测对象未来的结果。用电负荷预可以推测未来的用电趋势,为人类发展做出有利的选择提出一个重要的参考。学者们提出了

【相似文献】

中国期刊全文数据库 前10条

1 刘足华;熊惠霖;;基于随机森林的目标检测与定位[J];计算机工程;2012年13期

2 董师师;黄哲学;;随机森林理论浅析[J];集成技术;2013年01期

3 陈姝;彭小宁;;基于粒子滤波和在线随机森林分类的目标跟踪[J];江苏大学学报(自然科学版);2014年02期

4 王丽婷;丁晓青;方驰;;基于随机森林的人脸关键点精确定位方法[J];清华大学学报(自然科学版);2009年04期

5 李建更;高志坤;;随机森林针对小样本数据类权重设置[J];计算机工程与应用;2009年26期

6 吴华芹;;基于训练集划分的随机森林算法[J];科技通报;2013年10期

7 程光;王贵锦;何礼;林行刚;;人体姿势估计中随机森林训练算法的并行化[J];计算机应用研究;2014年05期

8 于延;王建华;;基于云计算平台的随机森林算法的研究与实现[J];科技通报;2013年04期

9 刘永春;宋弘;;基于随机森林的乳腺肿瘤诊断研究[J];电视技术;2014年15期

10 杨帆;林琛;周绮凤;符长虹;罗林开;;基于随机森林的潜在k近邻算法及其在基因表达数据分类中的应用[J];系统工程理论与实践;2012年04期

中国重要会议论文全文数据库 前2条

1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年

中国硕士学位论文全文数据库 前10条

1 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年

2 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年

3 王宇恒;推荐系统中随机森林算法的优化与应用[D];浙江大学;2016年

4 张玉桃;旅客社会网络中的家庭出行预测及其行为特征分析[D];北京交通大学;2016年

5 张兴;基于Spark大数据平台的火电厂节能分析[D];太原理工大学;2016年

6 杨丽;音频场景分析与识别方法研究[D];南京大学;2013年

7 鲁奉军;基于随机森林算法的目标检测与动作识别方法研究[D];吉林大学;2016年

8 吴敏;融合多特征的产品垃圾评论识别[D];福州大学;2012年

9 钟龙申;随机森林算法处理不平衡数据的改进及其并行化[D];广东工业大学;2016年

10 胡太祥;大规模图像标注方法研究[D];华中科技大学;2014年

，

本文编号：1127802