基于模糊Bagging-GBDT的短期负荷预测模型研究

摘要

为了提高常规梯度提升决策树GBDT算法的泛化性能,并实现并行计算,在GBDT的基础上,利用隶属度函数对气象数据进行模糊处理,同时引入Bagging算法,通过Bootstrap方式对原始数据进行多次抽样形成新的训练样本,分别训练模糊GBDT负荷预测子模型,提出了基于模糊Bagging-GBDT的短期负荷预测模型.算例分析结果表明,本文提出的预测模型相较于BP-NN和常规GBDT预测模型,7日平均绝对误差分别降低了1.44％和0.22％,模型具有良好的预测精度和稳定性.