基于机器学习的用户窃电行为预测

许智; 李红娇; 陈晶晶

首页> 中文期刊> 《上海电力大学学报》 >基于机器学习的用户窃电行为预测

基于机器学习的用户窃电行为预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

新型智能电表普及后,为了准确检测出电网中的窃电用户,可以结合机器学习的方法.为此,选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析,通过不断调整试验数据集的大小,对3种算法的效率和准确率进行测试.对比分析结果发现,随机森林算法运行的时间和数据量的大小基本呈线性关系,效率较高,且准确率稳定在86%以上,表现较好.

著录项

来源
《上海电力大学学报》 |2017年第4期|389-393|共5页
作者
许智; 李红娇; 陈晶晶;
展开▼
作者单位

上海电力学院计算机科学与技术学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工智能理论;电力系统规划;
关键词
窃电; 智能电表; 随机森林; 支持向量机; 迭代决策树;

相似文献

中文文献
外文文献
专利

1. 基于机器学习的无线网络用户感知速率智能预测研究 [J] . 王科 ,袁满 ,杨宗林 . 电信工程技术与标准化 . 2020,第002期
2. 基于机器学习技术的网站用户行为预测 [J] . XU Dong ,XIAO Yinghui . 现代电子技术 . 2019,第004期
3. 基于机器学习及电商数据预测用户行为 [J] . 周志远 . 通讯世界 . 2019,第003期
4. 一种基于LightGBM机器学习算法的用户年龄及性别预测方法 [J] . 高洁 ,张涛 ,程新洲 . 邮电设计技术 . 2019,第009期
5. 基于机器学习的用户离网预测研究 [J] . 董润莎 ,徐争莉 ,袁明强 . 邮电设计技术 . 2018,第010期
6. 一种基于Boosting框架的用户画像生成方法——以“通过微博数据预测用户常住地理位置”为例 [C] . 梅御东 ,李兵 . 2017“互联网+、大数据与商业创新国际会议” . 2017
7. 基于机器学习的电信用户流失预警模型预测与分析 [A] . 叶艳艳 . 2021

基于机器学习的用户窃电行为预测

摘要

著录项

相似文献

相关主题

期刊订阅