基于集成学习和卷积神经网络的电网客服短期话务量预测

覃浩, 苏立伟, 伍广斌, 蒋崇颖, 徐智鹏, 康峰, 谭火超, 张勇军

Short-Term Telephone-Traffic Prediction of Power Grid Customer Service Based on Adaboost-CNN

QIN Hao, SU Liwei, WU Guangbin, JIANG Chongying, XU Zhipeng, KANG Feng, TAN Huochao, ZHANG Yongjun

表4 预测误差对比

Tab.4 Comparison of prediction errors

模型 eMAE/通 eMAPE/% ARIMA 2 224.1 32.78 ELM 1 792.6 26.42 LSTM 1 380.1 19.34 Adaboost 995.4 14.67 CNN 1 302.0 15.21 单一预测模型平均误差 1 538.8 21.68 LSTM-CNN 1 176.9 17.35 EMD-CNN 974.6 14.37 组合预测模型平均误差 1 075.6 15.86 所提方法(不考虑增值服务) 850.8 12.54 所提方法(考虑增值服务) 721.2 10.63