基于机器学习的日用气量预测及影响因素分析

论文摘要

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。

论文目录

• 1 研究现状、存在问题及研究内容
•   1.1 国内外研究现状
•   1.2 存在问题
•   1.3 研究内容
• 2 基本流程
• 3 案例分析
•   3.1 居民日用气量的预测
•   3.2 居民日用气量的影响因素评价
• 4 结语

文章来源

类型: 期刊论文

作者: 黄建安,金亚东,杨谈

关键词: 居民日用气量预测,机器学习,影响因素分析,模型

来源: 煤气与热力 2019年09期

年度: 2019

分类: 工程科技Ⅰ辑,工程科技Ⅱ辑,信息科技

专业: 建筑科学与工程,自动化技术

单位: 北京燃气集团有限公司,北京邮电大学

分类号: TU996;TP181

DOI: 10.13608/j.cnki.1000-4416.2019.09.005

页码: 29-32+43

总页数: 5

文件大小: 2208K

下载量: 144