基于深度随机森林算法的短期用户负荷预测——以金华地区为例

摘要

通过网络爬虫获取天气数据，并结合金华市用户负荷数据，采用深度随机森林算法对用户负荷进行短期预测。借助4种评价指标，通过对比支持向量回归算法、K近邻算、贝叶斯岭回归算法、随机森林算法以及多个深度神经网络算法，发现深度随机森林算法预测效果最佳，支持向量回归算法次之，而深度神经网络算法在该数据集上表现一般。

关键词

深度随机森林算法 / 机器学习 / 短期负荷预测 / 天气信息

基金资助

国家自然科学基金(62103375,62072412); 浙江省哲学社会科学规划重点项目(22NDJC009Z); 浙江省自然科学基金(LY23F030003)