基于属性加权动态k-邻近机器学习算法的热力站动态能耗指标预测模型

摘要

以公司某热力站和其所带热用户为实验对象,在大氛围的热负荷区间内采样了1000条训练样本.运用机器学习算法对样本进行学习训练,观察在不同样本数量时的学习效果，运用属性加权动态k—邻近机器学习算法建立了热力站动态能耗指标预测模型，相比人为手工计算，机器学习的好处是运行速度快，随着不断地学习，预测的准确性也逐步提高，且对于错误的训练样本不敏感。