基于贝叶斯模型组合的随机森林预测方法

• 作者: 吴爱国 常建芳 董娜
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: K均值聚类 交叉验证 随机森林 贝叶斯模型组合 太阳能辐照度
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 123-130
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2019.02.017

摘要

为了能够精准可靠地估计太阳能辐照度,本文提出一种基于贝叶斯模型组合的随机森林算法用于太阳能辐照度预测.首先,引入K-means聚类和K折交叉验证将气象数据训练集生成多个训练子集,以增加训练子集的多样性并保证均匀采样.其次,将随机森林作为基学习器建立集成学习预测模型,导入训练子集并训练各个随机森林.之后,依据各个随机森林在验证集上的预测性能,采用贝叶斯模型组合算法制定组合策略.个体随机森林在测试集上的预测值经过模型组合策略得到最终输出.最后,基于气象实测数据建立仿真实验,并引入其他四种预测方法进行对比仿真研究,通过实验结果验证了文中所提出预测方法在太阳能辐照度预测问题中的准确性和可靠性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴爱国	天津大学电气自动化与信息工程学院	126	1771	21.0	37.0
2	董娜	天津大学电气自动化与信息工程学院	28	81	6.0	8.0
3	常建芳	天津大学电气自动化与信息工程学院	4	6	2.0	2.0