基于机器学习的日用气量预测及影响因素分析

• 作者: 杨谈 金亚东 黄建安
• 来源期刊: 煤气与热力
• 学科: 工学
• 关键词: 居民日用气量预测 机器学习 影响因素分析 LSTM模型 XGBoost模型
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 燃气输配与储运
• 页码范围: 29-32
• 页数: 4页
• 分类号: TU996.3
• 字数: 3645字
• 语种: 中文

摘要

基于物联网智能抄表技术获取的准确的居民日用气数据,采用机器学习方法实现居民日用气量的预测与影响因素评价.在采用LSTM模型对居民日用气量进行预测时,分别进行无特征预测(在预测过程中,不添加特征值)、特征预测,特征预测的精度比较高.在对居民日用气量的影响因素进行评价时,采用XGBoost模型,主要考虑小区外部特征(地理位置、物业费价格、容积率、房价、建造时间、绿化率、交通情况、教育特征)的影响,地理位置、物业费价格、容积率、房价、建造时间、绿化率的重要性靠前,其他小区外部特征的重要性不明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨谈		10	36	4.0	5.0
2	黄建安		1	0	0.0	0.0
3	金亚东		1	0	0.0	0.0