基于随机森林的企业用电量预测方法研究.docxVIP

??

?

??

基于随机森林的企业用电量预测方法研究

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要：企业用电量与企业经济状况息息相关，利用企业历史用电量数据对企业未来用电量进行预测具有重要意义。传统的企业用电量预测方法具有预测精度低、预测误差大、运算速度慢等缺点。为此，本文提出一种可提高企业用电量预测精度和提高运算效率方法，以随机森林预测企业用电量为基本建模方法，对数据采用多历元平滑的方法进行建模，针对机器建模速度慢和调参速度慢问题，本文采用spark技术对数据进行并行计算。

关键词：多历元平滑；随机森林；用电量预测；Spark

Researchontheforecastingmethodofenterpriseelectricityconsumptionbasedonrandomforest

ZHANGYang

(HarbinYourenHumanResourcesServiceCo.,Ltd，Harbin150030，China)

Abstract:Theelectricityconsumptionofenterprisesiscloselyrelatedtotheeconomicsituationofenterprises.Itisofgreatsignificancetousethehistoricalelectricityconsumptiondatatopredictthefutureelectricityconsumptionofenterprises.Traditionalpowerconsumptionforecastingmethodshavethedisadvantagesoflowaccuracy,largeerrorandslowoperationspeed.Forthisreason,thispaperproposesamethodthatcanimprovetheaccuracyofpowerconsumptionpredictionandcomputingefficiencyofenterprises.Takingrandomforestasthebasicmodelingmethodtopredictpowerconsumptionofenterprises,itadoptsthemethodofmulti-calendarsmoothingtomodelthedata.Aimingattheproblemsofslowmachinemodelingspeedandslowparameteradjustmentspeed,sparktechnologyisadoptedtocalculatethedatainparallel.

Keywords:Multiepochsmoothing;Randomforest;Electricityconsumptionforecast;Spark

?

引言

目前企业用电量预测方法众多，比较典型的预测方法有时间序列

[1]、灰色预测模型、回归预测模型[2]。时间序列预测模型主要通过历史数据预测未来趋势，对样本需求量较低[3]，目前主流的时间序列方法主要包括平滑类方法和自回归类方法。邓聚龙于1982年提出灰色预测理论[4]，当数据量较少时，使用数学模型建立灰色系统,从部分已知或部分未知的信息和趋势中提取有价值的信息。还包括神经网络、支持向量机以及随机森林等智能预测方法。其中比较典型的模型是随机森林模型。

?

新型企业用电量预测方法

本文以传统的随机森林预测模型为基础模型，提出一种新型企业用电量预测方法，极大的提高了预测精度和预测效率，其工作流程为:

?

构建原始随机森林预测模型，并整理用于训练模型和测试模型数据；

通过原始数据训练随机森林模型，根据训练结果与原始数据相比较求出平均绝对误差；

搭建hdfs集群环境，同时搭建spark集群，数据处理方式采用分布式文件储存方式，模型训练和模型调参采用spark实时分布式计算方式；

对当前历元结果与当前最近的四个历元结果进行平滑，得到最终训练模型；

利用新数据对新模型算法进行测试验证。

图1单历元时刻初始预测结果

步骤1)和步骤2)中整理初始训练数据和初始测试数据，并搭建随即森林模型，将预测出的数据与真实数据相比对，求出平均绝对误差，如图1所示，具体工作步骤为：

?

首先收集样本数据