基于大数据的物资价格预测方法探索

• 作者: 吴显锋 柴利达 毛娜 蔡宇冬 薛沁文
• 来源期刊: 电力大数据
• 学科: 工学
• 关键词: 电力大数据 机器学习 价格预测 XGBOOST
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 电网技术
• 页码范围: 13-20
• 页数: 8页
• 分类号: TP31
• 字数: 4282字
• 语种: 中文

摘要

通过分析物资价格相关的影响因子,并基于这些物资相关大数据,探索时序预测的方法、简单回归分析模型及复杂的分类回归模型等机器学习算法对电力物资价格的预测,并对模型的预测效果进行评估.结果表明,时序分析的方法效果差强人意,而将时序转换为回归问题,进而使用梯度提升树可以得到较理想的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴利达		7	13	2.0	3.0
2	薛沁文		3	5	1.0	2.0
3	毛娜		5	6	2.0	2.0
4	蔡宇冬		1	4	1.0	1.0
5	吴显锋		1	4	1.0	1.0