原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第４６卷第２期南京师大学报(自然科学版)Ｖｏｌ４６Ｎｏ２
２０２３年６月ＪＯＵＲＮＡＬＯＦＮＡＮＪＩＮＧＮＯＲＭＡＬＵＮＩＶＥＲＳＩＴＹ(ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ)Ｊｕｎｅꎬ２０２３
－
ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１００１４６１６.２０２３.０２.０１３
基于机器学习的短期规上行业工业增加值预测
１１１１２
项晓宇ꎬ朱敏捷ꎬ周灵刚ꎬ钟磊ꎬ闵富红
(１.国家电网台州供电公司ꎬ浙江台州３１８０００)
(２.南京师范大学南瑞电气与自动化学院ꎬ江苏南京２１００２３)
[摘要]针对现有工业增加值预测存在经济数据统计滞后、单一模型预测精度差的问题ꎬ本文提出一种基于
Ｓｔａｃｋｉｎｇ框架下短期规上行业的工业增加值预测模型ꎬ实现了预测时效性与精度的提升.通过皮尔逊相关性系数检
验ꎬ对浙江省某市４个重点规上行业的用电量、工业增加值进行分析ꎬ发现两者具有中强度的相关性ꎬ表明了基于
行业用电量预测工业增加值方法的可行性.接着ꎬ以随机森林算法、自适应增强算法、极致梯度增强算法３种模型
作为基学习器ꎬ支持矢量回归机算法作为元学习器ꎬ搭建双层Ｓｔａｃｋｉｎｇ融合模型框架对规上行业用电量、工业增加
值、当地气温数据进行模型训练测试ꎬ得到最终预测模型.最后ꎬ将本文所提出的Ｓｔａｃｋｉｎｇ模型与单一模型预测误
差指标进行实例对比分析ꎬ结果表明ꎬ该模型具有更高的预测精度ꎬ且采用月度收集的实时电力消费数据提升了预
测时效性ꎬ能被更好地应用在“双碳”背景下工业增加值的预测场景中ꎬ也有利于政府分析经济发展趋势.
[关键词]规上工业ꎬ工业增加值预测ꎬ机器学习ꎬＳｔａｃｋｉｎｇ算法
－－－
[中图分类号]ＴＰ３０１.６[文献标志码]Ａ[文章编号]１００１４６１６(２０２３)０２００９９０８
Ｓｈｏｒｔ￣ＴｅｒｍＩｎｄｕｓｔｒｉａｌＡｄｄｅｄＶａｌｕｅＰｒｅｄｉｃｔｉｏｎｏｆｔｈｅ
Ａｂｏｖｅ￣ＳｃａｌｅＩｎｄｕｓｔｒｙＢａｓｅｄｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ
１１１１２
ＸｉａｎｇＸｉａｏｙｕꎬＺｈｕＭｉｎｊｉｅꎬＺｈｏｕＬｉｎｇｇａｎｇꎬＺｈｏｎｇＬｅｉꎬＭｉｎＦｕｈｏｎｇ
(１.ＴａｉｚｈｏｕＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｍｐａｎｙꎬＴａｉｚｈｏｕ３１８０００ꎬＣｈｉｎａ)
(２.ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＡｕｔｏｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇꎬＮａｎｊｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙꎬＮａｎｊｉｎｇ２１００２３ꎬＣｈｉｎａ)
Ａｂｓｔｒａｃｔ:Ｃｏｎｓｉｄｅｒｉｎｇｔｈｅｌａｇｇｉｎｇｉｎｄｉｃａｔｏｒｓｗｉｔｈｔｈｅｅｃｏｎｏｍｉｃｓｔａｔｉｓｔｉｃｓａｎｄｐｏｏｒａｃｃｕｒａｃｙｏｆｔｈｅｓｉｎｇｌｅｍｏｄｅｌｉｎｔｈｅ
ｐｒｅｄｉｃｔｉｏｎｏｆｉｎｄｕｓｔｒｉａｌａｄｄｅｄｖａｌｕｅꎬｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｓｈｏｒｔ￣ｔｅｒｍｍｏｄ
文档评论（0）