二维码
首页>论文搜索

论文预览

基于机器学习的日用气量预测及影响因素分析

论文作者黄建安1，金亚东2，杨谈3杂志期数2019年9月刊
关键词居民日用气量预测；机器学习；影响因素分析；LSTM模型；XGBoost模型
作者单位（1.北京燃气集团有限公司，北京100035；2.北京万智生科技有限公司，北京100085；3.北京邮电大学，北京100876）
基于物联网智能抄表技术获取的准确的居民日用气数据，采用机器学习方法实现居民日用气量的预测与影响因素评价。在采用LSTM模型对居民日用气量进行预测时，分别进行无特征预测（在预测过程中，不添加特征值）、特征预测，特征预测的精度比较高。在对居民日用气量的影响因素进行评价时，采用XGBoost模型，主要考虑小区外部特征（地理位置、物业费价格、容积率、房价、建造时间、绿化率、交通情况、教育特征）的影响，地理位置、物业费价格、容积率、房价、建造时间、绿化率的重要性靠前，其他小区外部特征的重要性不明显。
下载论文论文免费注册会员后免费下载