摘要:以2000一2010年寧夏用電量相關(guān)資料為基礎(chǔ),提取用電量的影響因子,并于Rstudio平臺(tái)構(gòu)建基于隨機(jī)森林算法(RF)的預(yù)測(cè)模型,對(duì)2012一2017年用電量進(jìn)行預(yù)測(cè)驗(yàn)證。結(jié)果表明,模型輸出值與實(shí)際值相吻合,訓(xùn)練誤差與預(yù)測(cè)平均誤差分別為7.02億kw·h、9.20億kw·h,該算法模型有效。對(duì)比可知,RF模型的MAE、RMsE(9.20億kw·h、10.57億kw·h)小于RBF(13.24億kw·h、14.04億kw·h)和sVM(22.39億kw·h、25.57億kw·h)模型,基于RF的用電預(yù)測(cè)模型效果更優(yōu)。另外,RF能夠準(zhǔn)確計(jì)算預(yù)測(cè)因子的重要性,這對(duì)于變量篩選具有重要意義。
摘要:以2000一2010年寧夏用電量相關(guān)資料為基礎(chǔ),提取用電量的影響因子,并于Rstudio平臺(tái)構(gòu)建基于隨機(jī)森林算法(RF)的預(yù)測(cè)模型,對(duì)2012一2017年用電量進(jìn)行預(yù)測(cè)驗(yàn)證。結(jié)果表明,模型輸出值與實(shí)際值相吻合,訓(xùn)練誤差與預(yù)測(cè)平均誤差分別為7.02億kw·h、9.20億kw·h,該算法模型有效。對(duì)比可知,RF模型的MAE、RMSE(9.20億kw·h、10.57億kw·h)小于RBF(13.24億kw·h、14.04億kw·h)和SVM(22.39億kw·h、25.57億kw·h)模型,基于RF的用電預(yù)測(cè)模型效果更優(yōu)。另外,RF能夠準(zhǔn)確計(jì)算預(yù)測(cè)因子的重要性,這對(duì)于變量篩選具有重要意義。
7月22日下午消息,馬云在杭州舉辦的APEC工商領(lǐng)導(dǎo)人中國(guó)論壇上,呼吁進(jìn)一步推動(dòng)全球化進(jìn)程,推進(jìn)數(shù)字經(jīng)濟(jì)發(fā)展。他說(shuō):“過去的三十年,全球化由六萬(wàn)家大企業(yè)推動(dòng),并且六萬(wàn)家企業(yè)受惠于全球化;而未來(lái)的全球化
對(duì)大多數(shù)手機(jī)用戶而言,隨手關(guān)閉App已經(jīng)成為了一種習(xí)慣。雙擊 Home 鍵或者點(diǎn)擊多任務(wù)管理鍵,然后劃掉所有的App。日復(fù)一日,年復(fù)一年。