پیش بینی احتمالاتی کوتاه مدت بار با استفاده از تعمیم روش میانگین گیری برروی پیش بینی های خواهر مبتنی بر یادگیری درختی

پیش بینی تقاضای کوتاه مدت برق در برنامه ریزی برای تاسیسات جهت تولید و انتقال توان نقش مهمی دارد. از طرفی عدم قطعیت هایی که در تقاضای توان وجود دارد تبدیل به چالشی در صنعت برق شده است که در نتیجه آن، امروزه در این صنعت بیشتر تصمیم گیری ها با تکیه بر پیش بینی احتمالاتی بار انجام می شود. در این مقاله روشی ترکیبی بر اساس مدلهای یادگیری درختی برای پیش بینی احتمالاتی بار ارائه شده است. مدل های بسیاری با استفاده از پنج روش یادگیری درختی شامل درخت های با عمق کم، متوسط و زیاد، روش تقویت درخت تصمیم گیری و روش جنگل تصادفی برای انجام پیش بینی های نقطه ای ساخته شده و نتایج حاصل از آن با نتایج حاصل از دو مدل معروف در پیش بینی بار یعنیمدل وانیل تائو و مدل رگرسیون چندکی مقایسه شده است. علاوه بر آن پیش بینی های خواهر را تولید خواهیم کرد و ترکیب آنها برای ایجاد مدل نهایی استفاده شده است. همچنین با استفاده از روشی ترکیبی، مدل ارائه شده را دقیقتر خواهیم نمود.