本期内容是的负荷预测，一共有5个户号的一级能效数据。小编拿到素材后，跟上一期反复对比后发现，比上一期行业同一时期的数据略差那么一点点。
本期使用的算法模型跟上一次一样，预测测试的时间往后移动了两天，即从-12-26到-01-02，主要是为了观察算法模型在元旦这个节假日下的表现。当大家在罗胖的“小趋势”跨年演讲中心情澎湃的时候，我们的真实数据走出了如图一示图形：动作有点飘，走位不算骚。
图一：待测时间段的真实负荷曲线第一组是较为传统的方法，取不同的时间维度的真实数据建立模型进行预测。图中所示准确率是这段时间的平均准确率。从表中看出，工作日（从-12-26到-12-28）的预测准确率明显高于非工作日；同时从图中可以看出，误差最大的点出现在工作日内。根据第一期中我们采用的评价公式“对异常值非常敏感”这一结论，可以看出图中那几个圈住的点，对准确率下降没少做贡献。
第二组算法中的算法四，其实是决策树中的提升树，这个以往在kaggle竞赛中备受追捧的算法，看上去对我们这一组数据，并没有确认好眼神。其他算法倒也符合预期。
另外，这一组算法跟第一组相比，没有放假期间（-12-30到-01-01）差很多的情况。这是我们意料之中的，因为两组算法的思想完全不同。
第三组算法跟上期一样是我们根据业务知识，自己构建的特征，然后选取了第二组中3个算法进行预测的。结果除了-01-02这一天差别有点不小之外，其他日期的数据，跟第二组比起来，没有什么个性。
第四组算法还是Stacking，没有亮点也没有槽点。
总的来看，以上四组算法，工作日的负荷预测结果准确率比节假日好2-10百分点。这个幅度不可谓不大，算法的适用性需要进一步挖掘。
这一期表现差那么一点点的是第一组，跟上一期第三组，让人有点意外。这既跟行业数据有关，又跟选择的时间有关，当然最多的还是跟第一组的算法思想有关。
本文源于“汇电云联”