《表1 数据集的输入特征：基于贝叶斯优化XGBoost的短期峰值负荷预测》
提示：宽带有限、当前游客访问压缩模式
文中的实验数据选用中国某市每日的电力负荷供需数据和每日的平均、最低、最高温度数据。选取2017-01-01—2019-01-31的数据。该数据集的输入特征如表1所示。
| 图表编号 | XD00188971000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.28 |
| 作者 | 龚雪娇、朱瑞金、唐波 |
| 绘制单位 | 西藏农牧学院电气工程学院、西藏农牧学院电气工程学院、西藏农牧学院电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 主成分数据：基于PCA-贝叶斯算法的网络舆情预测研究》2020.08.10
- 《表1 标准化数据：基于PCA-贝叶斯算法的网络舆情预测研究》2020.08.10
- 《表5 贝叶斯估计和动态预测的优化预测结果》2020.11.01
- 《表5 简化的贝叶斯计算：基于长短期记忆神经网络方法的车辆跟驰模型》2020.07.01
- 《表1 优化模型参数：基于多源数据和模型融合的超短期母线负荷预测方法》2021.01.05
- 《表1 观测数据平均质量：基于AR模型与贝叶斯优化的SVM的结构损伤识别研究》2020.12.28
- 《表1 数据集情况：基于网络贝叶斯信息准则算法的社区数量预测研究》2020.04.25
- 《表7 贝叶斯算法选取的XGBoost模型的最优参数》2020.07.10
- 《表2 部分特征参数数据：基于贝叶斯网络的车辆换道决策模型研究》2020.05.01
- 《表B5模型输入特征量：考虑实时气象耦合作用的地区电网短期负荷预测建模》2020.09.10
- 《表1 模型输入数据表：考虑相关因素的长短时记忆网络短期负荷预测方法》2019.12.20
- 《表1 数据集样本特征：基于贝叶斯方法的乳腺癌预后分析》2020.02.01
- 《表2 模型输入数据：基于深度学习的短期电力负荷预测》2020.01.01
- 《表1 实验数据清单：基于XGBoost算法的新型短期负荷预测模型研究》2019.11.10
- 《表2 预测模型结果比较：基于贝叶斯优化XGBoost的现场校验仪误差预测》2019.09.25
- 《表1 数据特征字段：基于低秩表示的多任务短期电力负荷预测的研究》2019.06.10
- 《表3 网络各节点系数：一种基于贝叶斯网络的电力负荷峰值预测方法》2019.07.05
- 《表1 数据设置说明：机器翻译系统特征权值的贝叶斯优化方法》2019.04.16
- 《表1 案例样本数据集：基于贝叶斯网络的自媒体舆情反转预测》2019.02.28
- 《表1 原始输入特征：基于条件互信息的低冗余短期负荷预测特征选择》2019.04.01