Hay muchos factores que afectan al rendimiento de las previsiones de carga a corto plazo, como el clima y los días festivos. Sin embargo, la mayoría de los modelos de previsión de carga existentes carecen de consideraciones más detalladas para algunos días especiales. En este trabajo, se investiga la aplicabilidad del modelo de árboles de regresión en bolsa (BRT) combinado con ocho variables para predecir la carga a corto plazo en Qingdao. Los experimentos comparativos muestran que la precisión y la velocidad de la previsión mejoran con el BRT en comparación con la red neuronal artificial (RNA). A continuación, se propone una nueva variable indicadora para captar la información anormal durante los días especiales, que incluyen las fiestas nacionales, los días puente y los días de proximidad. El modelo BRT combinado con esta variable indicadora se prueba con las series de carga medidas en 2018. Los experimentos demuestran que el modelo mejorado genera resultados predictivos más precisos que el modelo BRT combinado con las variables anteriores en días especiales.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un modelo de aprendizaje multitarea con atención multiperspectiva y su aplicación en la recomendación
Artículo:
Modelo de clasificación para la detección de errores en la pronunciación de las 32 vocales de la lengua Nasa Yuwe
Artículo:
Efectos de los ejercicios pliométricos frente a los ejercicios correctivos del pie plano sobre el control postural y la postura del pie en niños obesos con pie plano flexible
Artículo:
Características de funcionamiento y método de compensación de temperatura del sensor de propiedades de fluidos basado en la tecnología Tuning-Fork
Artículo:
Superficies de respuesta numérica del volumen de ablación y la amplitud de retropulsión mediante ajustes del litotriptor láser Ho:YAG
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060
Software:
Simulación del proceso de extracción sólido-líquido EXTSL