相关性分析和GB D T组合的太阳辐射量预测算法

• 作者: 杨琪 王海云 王维庆 高敏
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 相关性分析 最优输入指标 梯度提升决策树 太阳辐射量
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 电子与自动化技术
• 页码范围: 65-71
• 页数: 7页
• 分类号: TM615
• 字数: 2801字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2020.03.011

摘要

为准确预测太阳辐射量,提高太阳能利用效率,提出一种相关性分析和梯度提升决策树(gradient boosting decision tree,简称GBDT)组合的太阳辐射量预测算法.利用相关性分析选取预测算法的最优输入指标,使用数据矫正方法剔除粗大误差数据.将该文算法与传统算法的预测结果进行比较,结果表明该文组合预测算法具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王维庆	新疆大学电气工程学院	270	1957	20.0	32.0
5	王海云	新疆大学电气工程学院	142	589	12.0	16.0
7	杨琪	新疆大学电气工程学院	3	2	1.0	1.0