基于采样技术和LightGBM的用户用电异常检测模型
在大数据的时代背景下,我国电力事业信息化的发展日趋重要,尤其是需要使用计算机技术对用电数据进行分析.对于用户用电异常的分析问题,传统方法既耗时又耗力,这就需要引入机器学习的相关方法自动的识别异常信息.现阶段,用电异常分析主要基于传统的异常检测算法或深度神经网络,传统异常检测算法运行精度不足而深度神经网络计算速度又过慢.针对目前存在的不足,本分采用了基于采样技术和LightGBM的用户用电异常检测模型,把用电异常检测问题看作分类问题,并使用当前流行的分类模型LightGBM进行训练,在保证速度快的前提下提高了检测的准确率.
机器学习;用电异常;采样技术;分类模型
30
2021-09-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
232-236