《表2 三种预测方法在不同天气下负荷预测偏差率》
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XGBoost算法融合多特征短期光伏发电量预测》
可以发现对于所提出的XGBoost算法其预测的准确率要高于其他两种(SVM和LSTM)预测方法。如果想提高模型预测的准确率可以增大单位时间内数据采集的频率(如将每小时采集次数由4次~5次增为9次~10次),这样可以提高模型的准确率,但是太过于频繁的采集数据会使得模型的训练速度变慢,还可能会导致模型的泛化能力不高。
图表编号 | XD00186358000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 彭曙蓉、郑国栋、黄士峻、李彬、胡泽斌 |
绘制单位 | 长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院、长沙理工大学电气与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |