《表3 随机森林模型的预测效率》

  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

《基于数据挖掘算法的DHC系统负荷时序预测方法》

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

负荷预测模型的时序变量个数增加会改进预测结果，但也会影响模型的算法预测效率。为了寻找综合性能最好的模型，还需要评价随机森林模型的预测效率。表3是随机森林模型在不同时序变量组合下的预测效率。其中，对于两组不同时序变量组合，△MAPE、△E和γ分别表示模型间平均绝对百分误差的减少值、算法预测效率的增加值以及△MAPE与△E的比值。通过对比看出，组合1-2（组合1与组合2的比较）的预测效率评价指标γ最高，组合2-5的预测效率评价指标γ最低，同时组合2-3和组合2-4的模型性能M APE下降而预测效率E不变，所以在时序变量组合2下出现预测效率高峰，此时模型的综合预测性能最好。