基于深度回归森林的短期电力负荷预测

为减轻深度学习算法对于网络超参数的依赖,提出了基于深度回归森林的短期电力负荷预测方法。所提方法利用深度森林的默认超参数构建多粒度扫描过程和级联森林过程的森林模型。首先,通过多粒度扫描过程有效学习样本的内在特征并提取序列数据的时序特征;然后,将所有特征向量用作级联森林过程的输入,筛选最终特征向量;最后,利用训练数据的特征对预测样本进行预测。结果表明,所提方法能够有效地减轻超参数配置对深度学习模型的影响,预测结果比较精确。