论文部分内容阅读
针对防止配电网台区过载需进行负荷最大值预测,提出基于AdaBoost集成学习的预测算法.首先考虑年、月份、气温以及历史负荷值等影响因素并选择CART决策树作为集成学习的个体学习器;接着通过AdaBoost算法训练各CART决策树个体学习器并计算各个体学习器的权重系数,利用各个体学习器的线性组合集成得到强学习器;最后利用实例将AdaBoost集成学习算法与K最近邻(KNN)、CART决策树及支持向量机(SVM)3种单一预测算法对比分析.仿真结果表明AdaBoost集成学习算法在预测误差及相关系数等指标方面均