基于深度随机森林算法的短期用户负荷预测—以金华地区为例OACSTPCD
Short-Term User Load Forecasting Based on Deep Random Forest:Take Jinhua City as an Example
通过网络爬虫获取天气数据,并结合金华市用户负荷数据,采用深度随机森林算法对用户负荷进行短期预测.借助4种评价指标,通过对比支持向量回归算法、K近邻算、贝叶斯岭回归算法、随机森林算法以及多个深度神经网络算法,发现深度随机森林算法预测效果最佳,支持向量回归算法次之,而深度神经网络算法在该数据集上表现一般.
胡兆龙;胡俊建;彭浩;韩建民;朱响斌;丁智国
浙江师范大学计算机科学与技术学院 浙江 金华 321004浙江师范大学计算机科学与技术学院 浙江 金华 321004浙江师范大学计算机科学与技术学院 浙江 金华 321004浙江师范大学计算机科学与技术学院 浙江 金华 321004浙江师范大学计算机科学与技术学院 浙江 金华 321004浙江师范大学计算机科学与技术学院 浙江 金华 321004
信息技术与安全科学
深度随机森林算法机器学习短期负荷预测天气信息
《电子科技大学学报》 2023 (3)
异构耦合下信息物理融合系统的风险评估与控制策略研究
430-437,8
国家自然科学基金(62103375,62072412)浙江省哲学社会科学规划重点项目(22NDJC009Z)浙江省自然科学基金(LY23F030003)
评论