基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对用电量的预测是关于国民生计的一件大事,为了能够准确地预测出用电量,首先要构造关于用电量的特征工程,特征工程构造包括影响用电量的主要因素,温度、节假日、风速、pm2.5等,经过数据预处理、特征属性转化、归一化,利用GBDT+huber损失函数进行模型的训练与预测,模型准确率达到95%,基本可用于自动化预测.
推荐文章
基于SMOTE和GBDT的网络入侵检测方法研究
入侵检测
机器学习
GBDT
SMOTE
KDD99
基于电能替代背景下的新疆用电量预测研究
电能替代
用电量预测
最优组合预测模型
基于容量利用特征的行业售电量预测方法研究
业扩报装
电量预测
容量利用小时数
上下游分析
主导因素
基于ABC-BP神经网络的用电量预测研究
人工蜂群算法
BP神经网络
用电量预测
预测算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于GBDT+特征工程方法对电量的预测的研究
来源期刊 电子质量 学科 工学
关键词 特征工程 预处理 huber GBDT
年,卷(期) 2020,(1) 所属期刊栏目 理论与研究
研究方向 页码范围 1-4
页数 4页 分类号 TM715
字数 3106字 语种 中文
DOI 10.3969/j.issn.1003-0107.2020.01.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张帆 5 3 1.0 1.0
2 顾洪建 11 12 2.0 2.0
3 杨靖 5 4 1.0 1.0
4 郭雅鑫 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (2)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (10)
二级引证文献  (0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(3)
  • 参考文献(0)
  • 二级参考文献(3)
2019(5)
  • 参考文献(1)
  • 二级参考文献(4)
2020(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征工程
预处理
huber
GBDT
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子质量
月刊
1003-0107
44-1038/TN
大16开
广州市五羊新城广兴花园32号一层
46-39
1980
chi
出版文献量(篇)
7058
总下载数(次)
32
总被引数(次)
15176
论文1v1指导