3、电力负荷预测与肺癌诊断自动化方法解析

电力负荷预测与肺癌诊断自动化方法解析

电力负荷预测相关研究

在电力负荷预测领域，研究者们致力于提高预测的准确性和可解释性。通过对不同地区电力负荷的研究，发现各地区之间存在着较强的相关性。

相关性矩阵分析

从Spearman相关系数矩阵绘制的热力图中可以看出，几乎所有地区的电力负荷之间都存在着很强的相关性。这表明在进行电力负荷预测时，可以考虑利用这种相关性来提高预测性能。
| 区域 | Single LightGBM（MSE） | Single LightGBM（RMSE） | Single LightGBM（MAPE） | DALightGBMRC（MSE） | DALightGBMRC（RMSE） | DALightGBMRC（MAPE） |
| — | — | — | — | — | — | — |
| CT | 15230.33 | 123.41 | 0.025 | 3020.01 | 54.95 | 0.0112 |
| MASS | 35163.99 | 187.52 | 0.021 | 2839.94 | 53.29 | 0.0052 |
| ME | 1307.39 | 36.16 | 0.022 | 1032.14 | 32.13 | 0.0188 |
| NEMASSBOST | 12975.95 | 113.91 | 0.027 | 611.06 | 24.72 | 0.0060 |
| NH | 1847.12 | 42.98 | 0.024 | 509.44 | 22.57 | 0.0120 |
| RI | 952.26 | 30.86 | 0.023 | 141.83