《表2 4种模型预测性能综合评价》
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。
图表编号 | XD00188971200 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) |