我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于GRU-Bagging模型的异常用电行为检测 下载：76 浏览：465

马云波1，2 李英娜1，2 李川1，2 《数据与科学》 2020年9期

摘要:
针对真实窃电用户数量远远少于正常用电用户所导致的窃电用户分类预测不合理的问题,本文提出了一种基于GRU-Bagging模型的异常用电行为检测方法。首先通过构建基于门控制单元(GRU)的特征提取网络从用户历史负荷序列数据中提取出潜在优选特征;然后利用SMOTE算法增加少数窃电用户的数据量,有效解决数据分布不均衡问题;最后,采用Bagging集成学习模型训练并预测新的测试样本的类别。实验结果表明,该方法在不平衡数据集上表现良好,预测准确度达到86.17%,召回率更是达到95.34%。此外,与长短期记忆网络(LSTM)以及人工特征提取方法相比,所提特征提取方法具有更高效的性能。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享