《表1 用电量影响因素分析表》

  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Azure机器学习平台的大学校园用电分析与预测》

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

注:1代表选择该特征量，0代表不选择该特征量。

本文首先以福州大学36号研究生宿舍楼的用电数据集为分析对象，选取当日最高气温、最低气温的天气数据作为影响用电量的主要影响因素。另一方面，根据大学的作息特性，将用电量数据划分为:工作日、周末、寒暑假三类。进而在考虑不同天气数据和不同用电量数据集的情况下，基于第2节所述的操作步骤，在Azure ML平台中采用增强决策树回归（boosted decision tree regression）算法分别建立预测模型，并对预测精度进行评估，得到的影响因素评估表见表1。