基于多粒度特征和XGBoost模型的城市日供水量预测
城市日供水量预测对供水部门具有十分重要的现实意义.为提高城市日供水量预测精度,以某市历史用水数据为基础,构建多粒度特征,并利用Pearson相关系数进行特征的筛选,基于XGBoost模型构建城市日供水量预测模型.本模型通过在训练集上进行训练和学习,在测试集上的平均绝对误差为70571 t/d,平均相对误差为1.4%;传统的回归预测方法如随机森林法和支持向量机法,平均绝对误差分别为84366 t/d和88848 t/d.本模型预测精度更高,说明此模型可行、有效,具有一定的应用价值.
城市日供水量、多粒度特征、Pearson相关系数、XGBoost模型、预测精度
37
TV213.4
国家自然科学基金面上项目;中央高校基本科研业务费专项
2020-06-17(万方平台首次上网日期,不代表论文的发表时间)
共7页
43-49