《表1 各分量与原始数据的相关系数》

  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EIEMD-IMDE-XGBoost模型的短期电力负荷预测》

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

首先利用EIEMD算法对原始数据进行预处理，共得到如图5所示的8个IMF分量和1个余量。继而计算所得分量与原始数据的相关系数，用于有效分量的选取，结果如表1所示。由于前4个分量的相关系数大于设定的阈值0.1，因此将IMF1～IMF4作为有效分量予以保留，同时计算各有效分量的IMDE值，由于每个分量得到20个散布熵值特征，因此最终构造出由80个散布熵值组成的特征向量，同时将其输入到XGBoost预测器中对其进行训练。