《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》
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:
图表编号 | XD00209964100 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.25 |
作者 | 周彬彬、蒋燕、赵珍玉、段睿钦、刘力铭 |
绘制单位 | 云南电力调度控制中心、云南电力调度控制中心、云南电力调度控制中心、云南电力调度控制中心、北京清软创新科技股份有限公司 |
更多格式 | 高清、无水印(增值服务) |