典型文献
基于SARIMAX-XGBoost模型的区域能耗预测
文献摘要：
为了对能源消耗做出精准的预测,文章提出了一种基于带外生变量的季节差分移动自回归(seasonal autoregressive integrated moving average with exogenous,SARIMAX)模型与极限梯度提升算法(extreme gradient boosting,XGBoost)混合模型的能耗预测方法.首先导入实验所需的训练数据以及辅佐用的天气环境数据,利用k-means构建天气簇类,然后构建节假日指示器,根据季节趋势做进一步调整,利用网格搜索选取SARIMAX模型最优参数组合,最后混合XGBoost算法优化预测模型,做出预测并对比实现结果.通过结果分析可知,混合SARIMAX模型和XGBoost模型能够在考虑多个外生变量的基础上实现对区域能耗的精准预测.
文献关键词：
能耗预测;数据融合;SARIMAX;XGBoost;网格搜索;混合模型
中图分类号：
作者姓名：
李国栋;周扬;李凯
作者机构：
华北电力大学 控制与计算机工程学院,北京 102206;国网新疆电力有限公司 信息通信分公司,新疆 乌鲁木齐 830000
文献出处：
引用格式：
[1]李国栋;周扬;李凯-.基于SARIMAX-XGBoost模型的区域能耗预测)[J].电力信息与通信技术,2022(03):26-33
A类：
B类：
SARIMAX,XGBoost,能耗预测,能源消耗,外生变量,自回归,seasonal,autoregressive,integrated,moving,average,exogenous,极限梯度提升算法,extreme,gradient,boosting,混合模型,实验所,训练数据,辅佐,环境数据,means,节假日,指示器,步调,网格搜索,最优参数,数组,算法优化,精准预测,数据融合
AB值：
0.434287
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
