[发明专利]一种基于极端梯度提升算法预测电价的系统模型

权利要求书

1.一种基于极端梯度提升算法预测电价的系统模型其特征在于，包括：

步骤一、通过测量或取得历史数据的方式，获得该区域的小时级历史历史气温,工作日, 节假日, 历史用电负荷，样本电力价格曲线图如图2所示；

步骤二、数据准备：，表示用来预测电价的输入数据，包括分别为,温度,小时,工作日,是否为工作日,负荷，同一时段上一周的负荷,同一时段昨天的负荷，前二十四小时的平均负荷，同一时段上一周的电价，同一时段昨天的电价，前二十四小时的平均电价，前一天的峰值电价, 上一周的峰值电价，表示电价数据，也就是实际值,表示数据量，

表示损失函数，用来分析预测值的效果，其中为预测值，

目标是目标是为了优化或者说最小化损失函数，梯度提升算法的思想是迭代生多个（M个）弱的模型，然后将每个弱模型的预测结果相加，后面的模型基于前面学习模型的的效果生成的，关系如下：

；

步骤三、设立初始值，，表示残差值,而一开始为零,是观测值，预测值；

步骤四、迭代生成M个基础学习器；

步骤五、计算

其中，这一步我们需要计算出，当前树模型的；

步骤六、基于决策树, 计算；

步骤七、更新，

, ；

步骤八、预测值更新,

；

结果如图3所示。