《表2 三种模型测试精度与相对误差单位:亿kW·h》

  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

《基于多元协变量和随机森林算法的宁夏用电量预测》

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

图2和表2分别为RF算法计算得到的训练和测试样本的预测结果，为比较算法优越性，另使用RBF（径向基神经网络）、SVM（支持向量机）实施建模预测。由图可知，3种不同算法均能够较好拟合用电量变化，训练样本各年份用电量预测的MAE介于2.33～45.38亿kW·h之间，表明训练模型精度可靠。训练模型统计显示，RF、SVM、RBF训练模型的MAE依次为7.02亿kW·h、7.72亿kW·h、8.86亿kW·h。测试结果表明，基于RF的预测结果最优，其MAE仅为9.20亿kW·h，RMSE为10.57亿kW·h，而基于SVM和RBF的预测结果的MAE和RMSE分别为22.39亿kW·h、25.57亿kW·h和13.24亿kW·h、14.04亿kW·h。综合来看，基于RF的用电量预测模型精度高、预测效果良好。