[发明专利]基于AdaBoost回归树模型的电网投资预测方法

摘要

本发明公开了一种基于AdaBoost回归树模型的电网投资预测方法，根据需要确定N个电网投资相关技术指标，获取M个时间点这N个电网投资相关技术指标的数值和对应的电网投资额，构建各个时间点电网投资相关技术指标向量，并进行无量纲处理，将无量纲的电网投资相关技术指标向量和电网投资额构成训练样本集，采用该训练样本集对AdaBoost回归树进行训练，K次迭代得到K个AdaBoost回归树作为弱学习器，从中选取得到强学习器，利用该强学习器进行电网投资预测。本发明对AdaBoost回归树模型的训练过程进行改进，将其引入电网投资预测，提高电网投资预测准确度。

主权项

1.一种基于AdaBoost回归树模型的电网投资预测方法，其特征在于，包括以下步骤：S1：根据需要确定N个电网投资相关技术指标，获取M个时间点这N个电网投资相关技术指标的数值x′_m(n)和对应的电网投资额Y_m，n＝1,2,…,N，m＝1,2,…,M；记第m个时间点电网投资相关技术指标向量为X′_m＝{x′_m(1),x′_m(2),…,x′_m(N)}，对各个电网投资相关技术指标向量X′_m进行无量纲处理，得到无量纲的电网投资相关技术指标向量X_m＝{x_m(1),x_m(2),…,x_m(N)}；将(X_m,Y_m)作为一个训练样本，构成训练样本集T＝{(X₁,Y₁),(X₂,Y₂),···,(X_M,Y_M)}；S2：采用步骤S1的训练样本集对AdaBoost回归树进行训练，具体步骤包括：S2.1：初始化迭代次数k＝1，初始化各个训练样本的权值w_m(1)＝1/M；S2.2：采用步骤S1的训练样本集和权值w_m(k)对AdaBoost回归树进行训练，将训练得到的AdaBoost回归树作为弱学习器G_k(X)；S2.3：将M个电网投资相关技术指标向量X_m输入AdaBoost回归树，得到M个电网投资指标预测值S2.4：分别计算每个训练样本中电网投资指标值的预测误差将其中最大值记为E_k；S2.5：计算第k轮迭代中每个训练样本的相对误差S2.6：计算第k轮迭代的回归误差率S2.7：计算第k轮迭代得到的弱学习器G_k(X)的系数S2.8：采用以下公式对每个训练样本的权重进行更新，得到下一轮迭代的权重w_m(k+1)：其中，S2.9：判断是否k＜K，K表示预设的最大迭代次数，如果是，进入步骤S2.10，否则迭代结束；S2.10：令k＝k+1，返回步骤S2.2；S3：对于K次迭代得到的K个弱学习器G_k(X)，分别计算每个弱学习器的评价值λ_k＝ln(1/a_k)，根据评价值λ_k对弱学习器进行排序，取评价值中位数对应的弱学习器，将其序号记为k*，令强学习器S4：获取待预测时间点的电网投资相关技术指标向量X′＝{x′(1),x′(2),…,x′(N)}，采用步骤S1中的无量纲处理方法处理得到无量纲的电网投资相关技术指标向量X＝{x(1),x(2),…,x(N)}，将其输入强学习器f(X)，强学习器f(X)的输出即为待预测时间点的电网投资预测值。