《表1 六种算法预测的电价之间的相关性》
根据上文分析可知,Lasso是一个线性模型,随机森林和Gradient Boosting是一个基于决策树的树模型,支持向量机、BP神经网络及LSTM算法是高度非线性的人工智能模型,六种算法在实现回归任务时有着很大的差异,故其分别建立的电价模型必然存在着巨大的不同。同时这些电价模型预测的电价结果也必是各有特点、提取的电价信息也各不相同。目前很难准确计算出各算法之间的差异性,这里采用各算法同一时刻预测电价的相关性来说明它们之间的差异性,相关性越小说明各算法之间的差异性越大。表1给出了六种单算法电价模型每个时刻预测电价之间的相关性,表中各算法之间相关性都集中在45%~70%之间,可以肯定各算法预测的电价之间存在着很大的差异,各有其特点和优势。因此,为了提高预测电价的准确性,充分发挥各算法的优势和特点,采用组合模型的思想把各单算法电价模型进行组合。
图表编号 | XD002218200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 张亮、王洪涛、邹斌 |
绘制单位 | 上海大学机电工程与自动化学院、上海大学机电工程与自动化学院、宁德师范学院信息与机电工程学院、上海大学机电工程与自动化学院 |
更多格式 | 高清、无水印(增值服务) |