《表1 六种算法预测的电价之间的相关性》

  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

《基于数据驱动的组合电价预测研究》

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

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。