基于迭代决策树(GBDT)短期负荷预测研究

作者:郑凯文; 杨超

摘要:迭代决策树(GBDT)属于机器学习算法的一种,由多颗决策树组成,所有树的结论累加起来作为最终答案。该算法表达能力强,可用于大部分回归问题。本文以贵州省遵义市某县负荷及天气数据为基础,结合GBDT算法,对该地区未来8天的日最大负荷进行预测。同时与随机森林和支持向量机两种算法的预测结果对比,结果证明GBDT算法对于短期负荷预测有较好的效果。

分类:
  • 期刊
  • >
  • 自然科学与工程技术
  • >
  • 工程科技II
  • >
  • 电力工业
收录:
  • 知网收录(中)
  • 维普收录(中)
  • 万方收录(中)
  • 国家图书馆馆藏
  • 上海图书馆馆藏
关键词:
  • gbdt
  • 负荷预测
  • 预测

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:电力大数据

期刊级别:省级期刊

期刊人气:3484

杂志介绍:
主管单位:贵州电网有限责任公司
主办单位:贵州电网有限责任公司电力科学研究院;贵州省电机工程学会
出版地方:贵州
快捷分类:电力
国际刊号:2096-4633
国内刊号:52-1170/TK
邮发代号:66-112
创刊时间:1977
发行周期:月刊
期刊开本:B5
下单时间:1个月内
复合影响因子:0.78
综合影响因子:1.54