用于用电量预测的回归卷积神经网络与支持向量回归模型
计算机视觉与模式识别
2019-04-05 v2
摘要
用电量预测对矿业公司在指导季度工作、电力系统正常运行及管理方面具有重要意义。然而，矿业公司的用电量预测不同于传统电力负荷预测，因为其用电量受多种因素影响（如矿石品位、原矿处理量、球磨充填率）。由于传统方法面临三大挑战：训练数据不足、计算成本高和预测精度低，该问题并不简单。为应对这些挑战，我们首先提出一种回归卷积神经网络（RCNN）来预测用电量。鉴于 RCNN 仍存在较高计算开销，我们利用 RCNN 从历史数据中提取特征，并用基于这些特征训练的回归支持向量机（SVR）预测用电量。实验结果表明，所提 RCNN-SVR 模型比单独使用传统 RNN 或 SVM 精度更高。RCNN-SVR 模型的 MSE、MAPE 和 CV-RMSE 分别为 0.8564、1.975% 和 0.0687%，说明该模型预测误差率低。
引用
@article{arxiv.1810.08878,
title = {A Regressive Convolution Neural network and Support Vector Regression Model for Electricity Consumption Forecasting},
author = {Youshan Zhang and Qi Li},
journal= {arXiv preprint arXiv:1810.08878},
year = {2019}
}
备注
Future of Information and Communications Conference (FICC) 2019