《表3 最优样本特征下的预测结果》

  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

《电力负荷预测算法比较-随机森林与支持向量机》

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

参数、数据集特点、气候特征对预测有很大的影响，取3个影响因素的最优条件：SVM的参数取R软件包的默认值，RF的参数ntree和mtry分别取1 000和10；数据集选择具有共同变化趋势和相似模式特征的纽约城区数据；气候特征选择与负荷相关度高的温度（最高温度、平均温度、最低温度）和露点；日期特征与表1相同。预测结果如表3所示，两种算法预测误差MAPE的平均值分别为1.880 0%（SVM）和1.999 6%（RF）。尽管RF预测误差平均值偏高，但对MAPE值做统计分析，用T检验来分析最优样本特征下两种算法的MAPE值，T检验的结果都为0。另由ANOVA分析两者的MAPE值，结果p值均大于0.5。以上统计结果均表明SVM和RF的预测结果基本一致，整体上没有显著差别。