基于梯度提升树的写字楼月度用电量预测研究
Electric Power Science and Engineering（2021）
摘要
以气象和时间作为影响写字楼用电量的主要因素,首先使用网络爬虫抓取到气象数据,包括最高温、最低温、风力、湿度、气压、天气和能见度等,同时提取日期相关的时间特征,如星期、节假日、第几周、季节和小时,再使用递归特征消除法进行特征选择,除去特征重要度低的因素,最后在模型选择上,与梯度提升树模型、差分整合移动平均自回归模型ARIMA、神经网络模型LSTM进行效果对比.实验证明,梯度提升树算法在写字楼月度用电量预测中效果最佳.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要