基于机器学习的短期规上行业工业增加值预测.pdf
《基于机器学习的短期规上行业工业增加值预测.pdf》由会员分享,可在线阅读,更多相关《基于机器学习的短期规上行业工业增加值预测.pdf(8页珍藏版)》请在咨信网上搜索。
1、第 卷第 期 年 月南京师大学报(自然科学版)()收稿日期:.基金项目:国家自然科学基金项目().通讯作者:项晓宇工程师研究方向:新能源.:.:./.基于机器学习的短期规上行业工业增加值预测项晓宇朱敏捷周灵刚钟磊闵富红(.国家电网台州供电公司浙江 台州)(.南京师范大学南瑞电气与自动化学院江苏 南京)摘要 针对现有工业增加值预测存在经济数据统计滞后、单一模型预测精度差的问题本文提出一种基于 框架下短期规上行业的工业增加值预测模型实现了预测时效性与精度的提升.通过皮尔逊相关性系数检验对浙江省某市 个重点规上行业的用电量、工业增加值进行分析发现两者具有中强度的相关性表明了基于行业用电量预测工业增加
2、值方法的可行性.接着以随机森林算法、自适应增强算法、极致梯度增强算法 种模型作为基学习器支持矢量回归机算法作为元学习器搭建双层 融合模型框架对规上行业用电量、工业增加值、当地气温数据进行模型训练测试得到最终预测模型.最后将本文所提出的 模型与单一模型预测误差指标进行实例对比分析结果表明该模型具有更高的预测精度且采用月度收集的实时电力消费数据提升了预测时效性能被更好地应用在“双碳”背景下工业增加值的预测场景中也有利于政府分析经济发展趋势.关键词 规上工业工业增加值预测机器学习 算法中图分类号.文献标志码 文章编号()(.)(.):().:电力消费是国民经济发展的风向标工业生产活动的开展离不开电力
3、消费且工业用电增长与国民经济的发展有长期稳定的联系并伴有明显趋势性和季节性.而工业增加值是衡量工业经济成效的重要指标准确及时地预测工业增加值能帮助政府把握经济趋势并做出应对保障经济稳定发展.智能电网大数据的优势为用电量数据月度采集和分析提供了优质平台相对于 每季度测算一次工业增加值、产值等经济数据也需要次月下旬才能完成统计用电量指标具有指标发布时间早、电网采集便捷的优势南京师大学报(自然科学版)第 卷第 期(年)能够更为及时有效地观测经济基本运行状况第一时间反映瞬息万变的市场信息.因此基于用电量数据能有效提高预测时效性和准确性但数据采样频率的提升对预测模型适配性提出了更高要求.目前关于规上行业
4、的短期工业增加值预测主要分为传统方法和人工智能方法两类.传统预测方法有回归模型法、趋势外推法模型以及时间序列模型大多为线性模型算法简单但均采用宏观经济数据预测且在基于月度数据的短期预测中精度会下降.人工智能方法包括随机森林、自适应增强、极致梯度增强、支持向量回归机模型、神经网络等在工业增加值预测方面的研究主要集中在长短期记忆()神经网络上 属于非线性模型能较好地应对工业增加值等复杂非线性数据的预测问题但经济数据滞后性的问题仍然存在.除了 模型外其他人工智能算法在工业增加值预测领域研究鲜有报道主要被应用在用电量预测、负荷预测领域.文献通过随机森林()回归算法有效识别不同用户群体的用电关联因素并预
5、测用电量该方法适用于大数据分析处理并具有较高的预测精度但对某些含特定噪声的数据训练时容易出现过拟合.文献采用自适应增强()回归算法提升微电网光伏发电在不同天气条件下的预测准确度对提高微电网经济调度水平具有指导意义算法模型灵活度高且不易过拟合但对异常样本敏感.文献利用极致梯度增强()回归算法进一步提升了负荷预测准确度对需求侧电能管理极具意义模型高效可扩展处理大规模数据集时效果好但调参复杂不适合处理高维数据.文献引入支持向量回归机()算法预测建筑冷负荷能有效满足建筑能耗预测的工程应用需求模型计算复杂度低但对参数和核函数的选择敏感.上述人工智能方法在非线性时间序列的数据挖掘上更具优势但单一算法很难适
6、用于所有预测场景因此学者们尝试提出基于多个不同模型的融合算法以适应更复杂的非线性数据和不同应用场景需求.文献 基于 模型融合、等 种算法提出一种高精确的负荷预测方法有助于满足能源分配需求综合多个模型结果精度明显高于单一模型且鲁棒性强但元学习器的选择对预测结果影响较大.根据上述研究成果人工智能算法对用电量、负荷等时间序列数据预测精度的提升效果显著工业增加值预测可以借鉴相关方法但数据本身具有更复杂的非线性且规上工业种类繁多.因此为了满足不同规上行业短期工业增加值预测需求研究一种基于用电量数据的多模型融合预测方法能为政府提供更具实效性和置信度的支撑数据具有较高研究价值.本文为了提升以规上行业月度用电
7、量对工业增加值进行短期预测的有效性和精度提出一种基于 框架的多算法融合模型并分析误差性能指标和预测结果.采用随机森林回归算法、自适应增强回归算法和极致梯度增强回归算法为基学习器以支持向量回归机算法为元学习器对浙江省某市橡胶与塑料制品业、电气机械与器材制造业、金属制品业、专用设备制造业 个重点规上行业的历史用电量、工业增加值、气温数据进行模型训练搭建双层 融合框架下的工业增加值预测模型.模型能够实现以月度即时采集的用电量数据和天气状况对上月工业增加值预测对比单一模型的预测结果预测精度取得了明显提升.研究成果可以有效解决以往工业增加值预测数据统计滞后和单一模型短期预测精度差的问题也为政府分析工业用
8、电与经济变化趋势关系和制定相关政策提供有效的数据支撑.规上行业工业增加值预测相关性分析目前大多数工业增加值预测研究都是以季度、年度数据建立模型而利用某个具体规上行业月度用电量建立的工业增加值预测模型由于数据时间跨度变小具有更高敏感性.为了确保以月度用电量数据预测工业增加值的可行性需要对用电量与工业增加值的相关性进行量化分析.电力基础要素分析为了更直观地观察和分析用电量与工业增加值的趋势性联系这里选取浙江省某地市 年 年工业用电量与工业增加值数据.用电量来自浙江省某地市国家电网统计数据工业增加值来自统计局发布的统计数据两者时间变化趋势如图 所示.图()为 年 月 年 月的月度用电量用电量从.亿
9、逐步上升至.亿 在 亿 的区间内不断上升.图()为 年 月年 月的月度工业增加值从 亿元上升至 亿元.工业用电量与工业增加值都呈现出了波动性地稳步上升趋势工业电力投入的增加从一定程度上反映了工业经济发展水平的提升.工业涵盖制造业种类繁多进项晓宇等:基于机器学习的短期规上行业工业增加值预测一步选取浙江省某地市经济贡献度高的橡胶与塑料制品业、电气机械与器材制造业、金属制品业、专用设备制造业 个重点规上行业 年用电量与工业增加值数据量化分析两者关联性.图 电力经济数据 通常量化电力指标与宏观经济指标之间联系可以采用皮尔逊相关系数分析.皮尔逊相关系数是分布在区间上体现要素相关性的数值一般认为.可认为两
10、个要素极强相关.则强相关.则中度相关.则弱相关而.则极弱相关或不相关.总体皮尔逊相关系数计算如式()所示:()()()()式中 是样本标准差 为总体数据均值.表 规上行业用电量与工业增加值相关性系数表 规上行业用电量与工业增加值皮尔逊相关系数橡胶与塑料制品业.电气机械和器材制造业.专用设备制造业.金属制品业.按式()计算浙江省某地市 年 月期间 个重点规上行业国家电网统计的月度用电量数据与统计局发布的月度工业增加值数据的皮尔逊相关性系数结果如表 所示.橡胶与塑料制品业、电气机械与器材制造业、专用设备制造业和金属制品业用电量与工业增加值的相关系数分别为.(强相关)、.(强相关)、.(强相关)、.
11、(中度相关).因此规上行业用电量可以作为基础要素预测工业增加值反映经济发展形势但工业设备在不同天气情况下工作效率不同此外加入天气扰动要素也能更好地解释用电量和工业增加值的季节性波动.图 天气情况 .天气扰动要素分析天气扰动是影响工业用电和经济的重要因素由图 所示用电量和工业增加值的增速具有明显的季节性夏季和冬季用电量偏高工业增加值也一般在年末达到全年顶峰.天气指标主要包括温度、湿度、风力等指标温度是最具代表性的季节性指标温度过高过低都会影响工业生产投入的用电量进而影响工业增加值.浙江省某地市 年 月 年 月气象局公布的月度气温变化情况如图 所示.南京师大学报(自然科学版)第 卷第 期(年)图(
12、)、()为月度最高气温和月度最低气温夏季最高气温可达到 冬季最高气温达到 夏季最低气温为 冬季最低气温为 整体呈现出随年月的周期性变化.本文在对浙江省某地市规上工业增加值预测模型的建立中加入平均最高、最低温度作为扰动要素用于消除温度对预测结果的季节性影响以提升预测模型的准确度更好地解释用电量与工业增加值关系.规上行业工业增加值预测模型基于上述分析规上行业用电量与工业增加值具有较好相关性国家电网完成月度用电量数据统计时间短用于预测工业增加值会更具时效性.为了建立预测性能更好的行业用电量工业增加值预测模型利用机器学习算法挖掘规上行业用电量、工业增加值、天气等历史数据的特征信息.机器学习采用 算法这
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 机器 学习 短期 行业 工业 增加 预测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。