[发明专利]一种基于梯度增强树人口预测模型的参数优化方法

权利要求书

1.一种基于梯度增强树人口预测模型的参数优化方法，其特征在于包括如下步骤：

1)数据采集：采集特定时间段可验证的时间戳数据，该数据形成原始数据集Dataset进行数据预处理，然后进行数据读取，并处理缺失值和异常值，利用传感器构建历史数据库；

2)多维特征提取：将步骤1)中采集的数据进行聚类分析，然后利用梯度提升算法进行评估，采用最大信息系数进行特征选择，紧接着整理特征提取后的数据集；

3)梯度提升树模型训练：设置默认训练参数，将提取后的数据集进行导入，训练数据集以及读取工作，进行分类模型训练，对数据进行划分，按时间维度5～6:2～3的数量将其分为训练数据集和测试数据集，然后进行模型评估；

4)构建训练样本集：将上述步骤处理的数据进行模型训练，采用最优参数模型，测试数据集，进行测试数据读取，输出测试结果，然后利用测试集中的数据进行模型验证，利用验证后的模型实现人口的梯度预测。

2.根据权利要求1所述的一种基于梯度增强树人口预测模型的参数优化方法，其特征在于所述步骤3)中利用梯度提升树模型训练采用贝叶斯优化法进行训练。

3.根据权利要求1所述的一种基于梯度增强树人口预测模型的参数优化方法，其特征在于所述步骤2)中的算法流程包括如下步骤：

①对所有特征进行分桶归一化处理；

②计算初始梯度

③建立直方图，从直方图中分裂特征和分裂阈值，将样本进行划分，更新当前每个样本的输出值，得到最终梯度的提升模型。

4.根据权利要求1所述的一种基于梯度增强树人口预测模型的参数优化方法，其特征在于利用利用训练子集数据进行灰色神经网络建模，得到用电量预测模型。