《表1 Light GBM模型部分参数列表》

  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

《基于粒子群优化算法的LightGBM超短期负荷预测研究》

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

Light GBM模型所需要设定的参数众多，其部分需要设定的参数如表1所示。参数的不同取值对负荷预测的结果都会造成一定的影响，采用PSO算法对参数的设定进行优化，选取的优化参数对象包括树的最大深度max＿depth、模型训练学习率learning＿rate、创建树的特征采样比例feature＿fraction、创建树的样本采样比例bagging＿fraction、正则项参数lambda＿l1以及模型训练迭代次数参数num＿boost＿round等。其中，对于num＿boost＿round参数而言，其数值的增大会加大算法的计算量，增加模型的计算时间。因此，为保证模型的优化效率，对于num＿boost＿round参数采用步进的方法进行搜寻，保证一定预测精度下所需要的最小数值。前5个参数将由粒子群算法优化得到，粒子群算法的适应度函数是由预测误差评价指标演化而来，预测误差评价指标选取平均相对误差（Mean Relative Error，MRE）指标，其计算公式如式（10）所示：