《表2 开关窗行为影响因素排序》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于马尔科夫算法对预测窗户状态模型的研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

除了模型的最高准确率，模型的稳定性也应该引起重视。在不同影响因子数量下，关于逻辑回归和马尔科夫模型预测准确率的进一步对比如图3所示。从图3中可以清晰的看到，预测开窗行为的马尔可夫模型具有更高的预测精度。但是，该模型的稳定性比逻辑回归模型的稳定性更差。导致这种不稳定性的原因之一可能是训练数据量较小，训练模型中的数据不能完整地覆盖所有情况，这会放大模型中的误差。此外，由于在训练数据处理过程中要保证数据是严格按照时间顺序排列，且时间间隔为10min，所以训练数据中一些明显错误的数据不能剔除，这也可能导致了马尔科夫模型的不稳定性。而且，马尔科夫模型在计算过程中使用了多个预测概率进行叠加计算，这也可能会导致错误的偏移或放大。因此，与逻辑回归相比，即便马尔可夫模型的准确率较高，但是预测的窗户状态时模型稳定性较差。