10.3969/j.issn.1672-9722.2020.12.027
基于MCMC的缺失数据填补方法在电价数据中的应用
缺失数据的填补是所有数据挖掘任务中非常关键的步骤.由于电力市场的复杂性,且电价的影响因素众多,造成电价数据在采集的过程中极容易产生有缺失值的现象,进而会影响到电价预测模型的建模效果.论文针对缺失电价数据,提出了一种马尔可夫链蒙特卡洛填补法(Markov Chain Monte Carlo,MCMC),并和常见的全条件定义法(Fully Conditional Specification,FCS)、MICE填补法在多种维度下进行了对比,实验证明MCMC填补方法在缺失电价数据填补上有一定的优势.
MCMC、缺失值填补、电价数据、数据挖掘
48
TM615(发电、发电厂)
2021-01-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
2954-2958