基于增量式随机森林的燃气负荷预测方法

• 作者: 范贵生 虞慧群 钱恒
• 来源期刊: 华东理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 增量学习 随机森林 大数据 燃气负荷预测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 133-139
• 页数: 7页
• 分类号: TP391
• 字数: 6400字
• 语种: 中文
• DOI: 10.14135/j.cnki.1006-3080.20180111002

摘要

随着智能燃气网概念的普及和燃气智能表的发展,燃气负荷数据量呈指数级增长,燃气负荷预测面临新的挑战,传统的基于离线批量学习的数据预测方法已无法满足大数据量的实时数据预测需求.针对燃气负荷数据增量到达的预测场景,提出了一种增量式的随机森林回归(Incremental Random Forest Regression,IRFR)算法.该算法将一定量的样本存储在叶节点,通过衡量样本集变异系数来控制叶节点分裂;针对大数据量的情况,设计了样本丢弃策略来控制内存空间.在对上海市燃气负荷数据进行特征选择、提取并建模后,将IRFR算法应用于燃气负荷预测.实验结果表明,IRFR算法相比于传统的随机森林算法具有相当的准确率,同时所需训练时间较短,更适用于大数据量的增量学习场景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	虞慧群	华东理工大学计算机科学与工程系	113	814	14.0	24.0
2	范贵生	华东理工大学计算机科学与工程系	47	341	10.0	17.0
3	钱恒	华东理工大学计算机科学与工程系	1	5	1.0	1.0