10.19335/j.cnki.2095-6649.2019.06.005
基于GBDT-Ridge的短期电力负荷预测
数据和特征决定着预测精度的上限,为了提高电力负荷预测精度,本文提出了两种增加输入特征向量的方法.其中第一种是人为添加数理统计里面的均值,方差,极差等因素,第二种用GBDT算法构造数据位置组合特征.为了避免引入不必要的特征带来新的误差,本文采取限制树的深度等来修剪树枝,同时采用带有L2正则项的Ridge算法作为模型,让L2正则项来调整各特征权重,降低过拟合.算例结果表明,相比单一的Ridge模型,本文提出的两种模型,预测平均误差降低了0.24%和0.40%.
负荷预测、特征向量、GBDT、L2正则项、Ridge
9
TM93
2019-08-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
23-26,33