《表2 三种模型测试精度与相对误差单位:亿kW·h》
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。
图表编号 | XD0034787800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.25 |
作者 | 宁永龙、邹蒙 |
绘制单位 | 国网宁夏电力有限公司吴忠供电公司、国网宁夏电力有限公司吴忠供电公司 |
更多格式 | 高清、无水印(增值服务) |