《表2 4种模型预测性能综合评价》

  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

《基于贝叶斯优化XGBoost的短期峰值负荷预测》

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

由图5可知，贝叶斯优化XGBoost模型的未来一周短期峰值负荷预测结果与实际值最为接近，模型具有较好的预测效果。进一步比较不同模型的预测性能，采用MAPE和R2对4种模型进行综合评价，结果见表2。由表2可知，XGBoost将多个基学习器进行集成增加了输出多样性，有效提升了预测精度，与DT和SVM模型相比，XGBoost的MAPE分别下降了50%，84.5%。通过贝叶斯优化搜索超参数，进一步提升了XGBoost的预测精度。贝叶斯优化XGBoost的MAPE比XGBoost的MAPE降低29.03%，且R2基本接近于1，体现了贝叶斯优化XGBoost模型的优越性。