《表2 用户I各影响因素权重Tab.2 Weights of influencing factors of user I》

  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

《基于多表融合数据的用户短期用电量预测》

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

随机选取某用户I，用2016年10月1日至2016年12月15日共76天的用电量数据和日特征向量数据作为样本数据集对模型进行训练；然后，我们对2016年12月16日至2016年12月25日共10天的用电量进行预测。首先，利用第1.1.2节中的通径分析法计算日特征向量中各元素的权重，分析不同因素对用电量的影响程度。用户I各个影响因素对应的权重如表2所示。从实验结果可以看出，温度是影响用电量最主要因素，其中平均温度的权重最大。其次，用水量对用电量具有一定的影响，因此预期考虑用水量能够在一定程度上提高预测的精度。由于燃气和电力这两种能源在某种情况下可以相互替代，两者之间的相关性较弱。