[发明专利]基于AdaBoost回归树模型的电网投资预测方法

说明书

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。

技术领域

本发明属于电网投资预测技术领域，更为具体地讲，涉及一种基于AdaBoost回归树模型的电网投资预测方法。

背景技术

近年来，社会用电需求随着经济发展不断增加，电网企业的投资规模也随之逐步增大。然而，受国家产业结构调整的影响，电网企业在投资管理上面临较大不确定性，企业效益起伏较大，新增资产效能未能发挥有效作用，投入产出结构矛盾较为突出。

在优化投资结构分配的具体问题上，如何通过分析以往投资结构与其对应的运营数据得到客观的投资规律，并按照规律进行投资预算，成为了关键问题。由于过去缺少合理的技术手段，所以电网的投资决策预算还处在比较传统的依靠简单的数学手段计算阶段。目前的电网基建投资基本都是根据电力专家的经验，选取经验上合理的且和投资相关的运营数据指标，通过将这些指标上一年的值代入到经验公式中，产生最终今年的投资额预算。

上述投资决策方式存在这样的问题：根据经验公式无法准确得出投资额与运营数据指标的关系，也无法得出运营数据指标具体是怎样影响投资额预算的。投资额与运营数据指标的关系复杂，简单的经验公式无法准确表达出这种复杂的关系，需要一个相对复杂的模型来综合历史数据中包含的信息，从而能够准确的获得运营数据与对应投资额的关系、得出影响投资额预算的具体运营数据指标的值、得出运营数据指标与投资额关系之间的内部结构。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于AdaBoost回归树模型的电网投资预测方法，将AdaBoost回归树模型引入电网投资预测，提高电网投资预测准确度。

为实现上述发明目的，本发明基于AdaBoost回归树模型的电网投资预测方法的具体步骤包括：

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)；