在线电压安全评估的多重动态决策树方法

利用数据挖掘技术对电力系统在线动态安全进行评估,能够为系统运行控制提供决策指导,防止连续的系统安全问题。提出一种基于相量测量单元(phasor measurementunit,PMU)的在线电压安全评估算法:利用电网数据库已有的数据离线建立电压安全评估决策树,根据PMU的实时采样数据动态对决策树进行更新,形成动态决策树,在线对电压安全进行监控。此外,利用不同的属性集合构建多重决策树,替代原来单一决策树评估,大大提高了决策树分类的准确度和评估的可靠性。结合IEEE 57节点仿真系统,给出多重动态决策树的构建方法以及多重决策树的模型。仿真结果表明,基于PMU的动态多重决策树是一种在线电压安全评估的可行方法。

基于CART算法的垃圾邮件过滤模型设计与实现

介绍分类与回归树(CART)算法在垃圾邮件过滤中的应用。首先对样本邮件进行文本预处理,并对正常邮件和垃圾邮件训练集进行训练,用CART算法建立单分类器模型,随后又采用Boosting思想组合CART算法建立多分类器模型。对比实验表明,基于CART算法的多分类器模型效果更好。

CART算法在国际贸易预警中的应用

本文针对国际贸易中的贸易摩擦与争端,简要介绍了CART算法在国际反倾销中的应用。以中国贸易救济信息网公布的反倾销案例为研究对象,搜集贸易数据,采用CART算法尝试构造了反倾销分类决策树。通过该决策树可以对国际贸易是否会发生反倾销案例做出预警判定,从而可以为有关政府部门和企业提供决策依据和规避风险。

用于航班延误预测的集成式增量学习算法

为持续高效地学习不断产生的航班运行信息,提高航班延误预测模型学习新到达数据的效率,采用集成学习思想,提出了一种基于分类与回归树(classification and regression tree,CART)的增量学习算法.首先,将CART算法与Learn++算法结合实现了增量分类与回归树(incremental classification and regression tree,I-CART)算法;然后,进一步分析了基分类器间的区别和与精确度的关系,使用选择性集成算法来提高I-CART算法预测速率;最后,将该算法应用到航班延误预测中,增量地学习航班动态运行信息.实验结果表明,该算法有效地提高了模型预测效果.

建筑能耗异常的检测方法

分析了建筑逐时能耗数据,研究了检测异常建筑逐时能耗的方法.该方法包括两个步骤,首先根据数据属性将相同条件下产生的逐时能耗数据进行分类,然后对同一类能耗数据进行分析,确定异常能耗点.实验证明该方法是有效的,可以优化建筑管理方式,达到节能的目的.

基于CART的高校教师亚健康决策模型构建

传统高校教师亚健康评估缺乏时效性、客观性、高效性。利用大数据技术建立了亚健康决策模型,以支持高校教师亚健康状态的评估与预测。首先针对高校教师亚健康影响因素进行多维分析,构建亚健康多维影响概念模型,其次对样本数据特征进行分析及数据预处理,在此基础上,利用CART算法给出亚健康决策模型建模的详细过程。最后,给出基于Spark的并行实现过程及实验验证。高校教师亚健康概念模型客观反映教师亚健康评估因素,决策树模型能够支持高校教师亚健康预测分析,实验验证该模型的有效性、即时性、准确性。

基于多参数代价敏感系数学习及数据驱动模型的电力能耗预测

企业节能减排是我国社会发展的前沿问题和研究热点,对企业用户的电力能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础。阐述了现阶段常用的电力能耗预测方法,分析了分类与回归树(CART)算法作为弱学习器构建预测模型的缺点,针对原始AdaBoost算法只关注预测误差率最小的不足,在算法实质基础上研究并提出一种基于多参数代价敏感系数学习的改进AdaBoost算法。建立基于改进AdaBoost算法的回归预测模型,通过真实数据进行短期电力能耗预测,验证了改进算法对模型性能的提升。