简介:为提高基于随机森林算法重复拨打投诉预警模型的效果,文章从数据、指标、参数3个方面对模型进行优化。在数据处理方面,利用SMOTE算法平衡投诉与非投诉比例,一方面防止了模型出现过拟合;另一方面消除了非平衡数据对模型效果的影响。在特征选择方面,使用基尼系数进行特征选择,从而减少数据的噪声,提高模型预测的准确度。在参数调整方面,使用R语言软件对模型决策树数量参数和最大特征参数进行调整,模型最终的OOB误差率为5.03%,准确率和召回率均超过70%。目前投诉预警模型已经进行试点应用,实现了投诉业务的提前识别,通过采用相应服务策略,减少了服务升级事件,降低了客户投诉率,有效提升了客户感知。
简介:摘要短期电力负荷预测对于电力网络安全,平稳运行发挥着至关重要的作用。电力负荷在采集过程中容易受到噪声干扰,若对其直接进行预测,将会产生很大的误差。所以,在负荷预测之前,本文提出小波自适应算法对其降噪处理。为了避免LMS算法采取梯度下降思想陷入局部最小的特点,本文同样利用改进的人工蜂群算法对其优化。实验仿真证明,优化后的滤波器具有更好的收敛性和滤波效果。GABC优化后的小波自适应算法滤波效果更好,收敛速度更快,为后续预测算法分析提供了良好的数据来源。
简介:摘要本文研究由机械、电气及其控制等设备组成的风力发电单元、将太阳能转换为电能的光伏发电设备、燃料电池、以天然气、甲烷等燃料的超小型热力发电机和蓄电池储能装备组成的并网运行的微电网优化运行问题,本文考虑微电网中各单元的发电成本和环保成本,使微电网在一个调度周期内综合经济最低,建立微电网多目标优化运行模型,采用pareto支配方法与群智能算法结合的方式解决多目标优化问题,本文中采用的群智能算法是人工鱼群算法,求解模型得出微电网一个调度周期的最优各发电成本和运行总成本,并与基本的人工鱼群算法进行比较,仿真表明改进算法的收敛速度和收敛性都有所提高,并且在多目标的考虑上更贴合实际。