书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他 实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置 而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说 明即可。
[0149] 结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执 行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM)、内存、只读存 储器（ROM)、电可编程R0M、电可擦除可编程R0M、寄存器、硬盘、可移动磁盘、CD-ROM、或技术 领域内所公知的任意其它形式的存储介质中。
[0150] 说明书和权利要求书及上述附图中的术语"第一"、"第二"、"第三""第四"等（如 果存在）是用于区别类似的部分，而不必用于描述特定的顺序或先后次序。应该理解这样 使用的数据在适当情况下可以互换，以便这里描述的本申请实施例能够在除了这里图示的 以外的顺序实施。
[0151] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种基于随机森林回归的售电量预测方法其特征在于，包括： 获取预设时长内的若干影响因素指标的历史数据； 获取预设时长内的历史的月售电量实际数据； 根据预设时长内的所述若干影响因素指标的历史数据和历史的月度售电量实际数据， 建立基于随机森林回归的月售电量预测模型； 计算待预测月的所述各个影响因素指标，输入预置的月售电量预测模型，得到待预测 月的售电量预测值； 其中，所述预置的月售电量预测模型为：其中，XijQ = 1，…，k，j = 1，"'m)表示所述预设时长内的历史景多口向因素 W1,…，丫1<表 示预设时长内月售电量的实际数据；该模型依据预设时长内的历史月售电量实际数据以及 获取的若干影响因素历史指标数据建立。2. 根据权利要求1所述的一种基于随机森林回归的售电量预测方法，其特征在于，所 述若干影响因素指标包括：当月GDP增速，当月最高温度，当月最低温度，当月降雨量，上月 售电量，上年同月售电量和月节假日公休天数。3. 根据权利要求2所述的一种基于随机森林回归的售电量预测方法，其特征在于，待 预测月的所述各个影响因素指标中包括待预测月GDP增速的预测数据的获取： 获取历史若干年内各个季度的GDP增速值； 计算当前年度各个季度的GDP增速的预测值，其中，第z个季度的GDP增速增值的预测 值为所述若干年内，第z个季度的⑶P增速值的加权平均值，z = 1，2, 3,4 ; 依据所述当前年度的各个季度的GDP增速的预测值计算当前年度各个月的GDP增速的 预测值。4. 根据权利要求3所述的方法，其特征在于，所述依据所述当前年度的各个季度的GDP 增速的预测值计算当前年度各个月的GDP增速的预测值包括： 将第z个季度最后一个月的GDP增速的预测值确定为第z个季度的GDP增速的预测 值； ⑶P增速根据三次多项式公式确定：g(e) = a · e3+b · e2+c · e+d = E，将第z个季度最 后一个月的⑶P增速带入此三次多项式，得：由此计算出a，b，c，d后，则第z个季度（z = 1，2,3,4)其它月份的⑶P增速为：g(ezn) =a · ezn+b · eznc · ezn+a = Ezn;其中，e zn表示第z个季度中第η个月份的月份值，η = 1， 2 ;Εζη表示第ζ个季度中第η个月份的⑶P增速的预测值。5. -种基于随机森林回归的售电量预测装置，其特征在于，包括： 第一获取模块，用于获取若干年度内预设时长内若干影响因素指标的历史数据； 第二获取模块，用于获取预设时长内若干年度内历史的月售电量指标的实际数据； 第一计算模块，用于将所述若干影响因素指标的历史数据和所述月售电量指标的实际 数据输入预置的月售电量预测模型，得到基于随机森林回归的月售电量调整量； 第二计算模块，用于计算所述影响因素当前年度内各个月的预测值，将其输入月售电 量预测模型，得到当前年度内的待预测月售电量预测值； 其中，所述预置的月售电量预测模型由模型建立模块依据预设时长内的月售电量实际 数据以及预先确定的若干影响因素指标建立。6. 根据权利要求5所述的一种基于随机森林回归的售电量预测装置，其特征在于，所 述第一计算模块包括： 第一抽样模块，用于训练数据的行随机抽样；对于总样本量S，采取有放回的抽取k个 训练样本； 第二抽样模块，用于训练数据的列属性修养；对于M列个属性，采取无放回的抽取 m ^ M ； 第一计算模块，用于建立决策树；对于采样之后的数据使用完全分裂的方式建立出若 干个决策树； 第二计算模块，用于结果确定；根据所述的若干个决策树的预测值，计算其平均值，得 到月售电量预测值。7. 根据权利要求5所述的一种基于随机森林回归的售电量预测装置，其特征在于，所 述若干影响因素指标包括：当月GDP增速，当月最高温度，当月最低温度，当月降雨量，上月 售电量，上年同月售电量和月节假日公休天数。8. 根据权利要求5所述的一种基于随机森林回归的售电量预测装置，其特征在于，所 述第二计算模块包括： 第一获取单元。获取若干年内各个季度的GDP增速值； 第一计算单元。计算当前年度各个季度的GDP增速的预测值，其中，第z个季度的GDP 增速增值的预测值为所述若干年内，第z个季度的GDP增速值的加权平均值，z = 1，2, 3,4 ; 第二计算单元依据所述当前年度的各个季度的GDP增速的预测值计算当前年度各个 月的GDP增速的预测值。将第z个季度最后一个月的GDP增速的预测值确定为为第z个季 度的GDP增速的预测值； ⑶P增速根据三次多项式公式确定：g(e) = a · e3+b · e2+c · e+d = E，将第z个季度最 后一个月的⑶P增速带入此三次多项式，得：由此计算出a，b，c，d后，则第z个季度（z = 1，2,3,4)其它月份的⑶P增速为：g(ezn) =a · ezn3+b · ezn2c · ezn+a = Ezn。其中，ezn表示第z个季度中第η个月份的月份值，η = 1， 2 ;Ezn表示第z个季度中第η个月份的⑶P增速的预测值； 第二获取单元，用于获取若干年内各个月的最高温度、最低温度值； 第一确定单元，用于将所述若干年内同一个月份的最高温度、最低温度值的平均值确 定为当前年度内的该月份的最高温度、最低温度的预测值。 第三获取单元，用于获取若干年内各个月的降雨量值； 第二确定单元，用于将所述若干年内同一个月份的降雨量值的平均值确定为当前年度 内的该月份的降雨量值的预测值。 第四获取单元，用于获取当前年度上月的售电量和当前年度上一年的同月的售电量数 据； 第五获取单元，用于获取若干年内各个月节假日公休天数、当前年度各个月的节假日 公休天数； 第一输入单元，将上述若干影响因素输入基于随机森林回归的售电量预测模型，得到 若干个售电量预测结果； 第三确认单元，用于将获取得到的若干个售电量预测结果计算平均值，得到待预测月 的售电量预测值。
【专利摘要】本发明公开了一种基于随机森林回归的售电量预测方法及装置，依据预设时长内的历史的月售电量数据，以及预先确定的若干影响因素指标，建立基于随机森林回归的月售电量预测模型。获取和计算待预测月的上述若干影响因素指标，代入月售电量预测模型，得到未来待预测月的月售电量预测结果。
【IPC分类】G06Q50/06
【公开号】CN105427194
【申请号】CN201510967788
【发明人】程宏亮, 卢耀宗, 强劲, 黄蓉, 苟蛟龙
【申请人】西安美林数据技术股份有限公司
【公开日】2016年3月23日
【申请日】2015年12月21日