基于智能决策树与BP神经网络的EPM模型研究
由于电力营销(EPM)领域的数据海量、庞杂而且质量差,如何构造出精确性高的预测模型成为亟待解决的问题.采用智能决策树分类算法,按照数据中的属性值进行分类.对属性值,取缺损数据所属类别中所有属性值的算术平均值取代,对于非属性值,取同一属性中非属性值出现频率最高的值来替代.从而对需进入EPM模型的缺损数据进行补齐,保证了进入模型的数据最优化.在此基础上,提出了一种将BP神经网络应用于EPM中的新方法,通过改进BP神经网络中隐层的节点数目,降低了神经网络的计算复杂度.结果表明,该模型具有良好的预测效果.
决策树、BP神经网络、预处理、因素影响、EPM
29
TP393.04;TM73(计算技术、计算机技术)
华北电力大学青年教师科研基金项目200611041
2008-07-28(万方平台首次上网日期,不代表论文的发表时间)
共3页
2903-2905