【第十届泰迪杯B题电力负荷预测代码】

#第十届泰迪杯B题电力负荷预测源代码及可视化数据图

包括全部问题的代码，现在的数据分析是根据官网暂时发布的数据进行的分析，后续会继续更新代码！

import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style('darkgrid')
import pandas as pd
#-*-coding:utf-8-*-
#文件名: ch.py
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
label = pd.read_csv('附件1-区域15分钟负荷数据.csv')
industry = pd.read_csv('附件2-行业日负荷数据.csv')
weather = pd.read_csv('附件3-气象数据.csv')
label = label.rename(columns={'数据时间':'日期1'})
label['日期'] = label['日期1'].apply(lambda x: x.split(' ')[0])
weather.loc[:, '日期'] = pd.to_datetime(weather.loc[:, '日期'], format='%Y年%m月%d日', errors='coerce')
label.loc[:, '日期'] = pd.to_datetime(label.loc[:, '日期'], format='%Y/%m/%d', errors='coerce')
# weather['日期']=weather['日期'].astype('datetime64[ns]')
def make_weather_fetures(data_df):weather['start_weather'] = weather['天气状况'].apply(lambda x: x.split('/')[0])weather['end_weather'] = weather['天气状况'].apply(lambda x: x.split('/')[1])weather['最高温度'] = weather['最高温度'].map(lambda d: d.replace('℃','')).astype(int)weather['最低温度'] = weather['最低温度'].map(lambda d: d.replace('℃','')).astype(int)#label encodingle1 = LabelEncoder()le1.fit(weather['夜晚风力风向'])weather['白天风力风向'] = le1.transform(weather['白天风力风向'])weather['夜晚风力风向'] = le1.transform(weather['夜晚风力风向'])le2 = LabelEncoder()le2.fit(pd.concat([weather['start_weather'],weather['end_weather']]))weather['start_weather'] = le2.transform(weather['start_weather'])weather['end_weather'] = le2.transform(weather['end_weather'])return data_df.drop(['天气状况','Unnamed: 6'],axis=1)
weather = make_weather_fetures(weather)
train = label.merge(weather,on='日期',how='left')
def make_time_fetures(data_df):data_df['日期1']=data_df['日期'].astype('datetime64[ns]')data_df['year']= data_df['日期1'].dt.yeardata_df['month']= data_df['日期1'].dt.monthdata_df['qua']= data_df['日期1'].dt.quarterdata_df['day']  = data_df['日期1'].dt.daydata_df['hour'] = data_df['日期1'].dt.hour  data_df['weekday'] = data_df['日期1'].dt.weekdaydata_df=pd.get_dummies(data_df,columns=['weekday'])return data_df.drop(['日期1','日期'],axis=1)
train = make_time_fetures(train)
train.to_csv('洗好的数据.csv',index=0)
train1= pd.read_csv('洗好的数据.csv')
train1

下载链接最新的AotoTS预测模型，其精度和拟合程度都比LSTM和ARIMA的要高，预测结果更加准确，文件里面详细写明了调参方式

【第十届泰迪杯B题电力负荷预测代码】相关推荐

【第十届“泰迪杯”数据挖掘挑战赛】B题：电力系统负荷预测分析 31页省一等奖论文及代码
相关链接 (1)[第十届"泰迪杯"数据挖掘挑战赛]B题:电力系统负荷预测分析问题一Baseline方案 (2)[第十届"泰迪杯"数据挖掘挑战赛]B题:电力系统 ...
【第十届“泰迪杯”数据挖掘挑战赛】B题：电力系统负荷预测分析问题二时间突变分析 Python实现
目录相关链接完整代码下载链接 1 定义绘图函数 2 通过对原始测量应用阈值来查找异常值 3 手动设置阈值 4 使用分位数设置阈值 5 3Sigma原则(IQR) 6 设定分位数 6.1 导入数据 ...
分享篇：第十届“泰迪杯”数据挖掘挑战赛-农田害虫图像识别（特等奖）
第十届"泰迪杯" 数据挖掘挑战赛优秀作品-农田害虫图像识别--特等奖实验结果分析 4.1.1 实验配置本篇论文的实验都是基于 Ubuntu 系统下进行,使用 GPU 和 CPU ...
第十届“泰迪杯”比赛B题解题思路及代码论文
今年大二,因为对编程感兴趣入坑,算下来自学编程快要一年了,了解了关于计算机的很多方向,暑假偶然间了解到数据分析和挖掘,觉得挺有趣的就想深入学习以下,于是开始学习pandas,然后机器学习,并在天池上做 ...
【第十届“泰迪杯”数据挖掘挑战赛】B题：电力系统负荷预测分析第一问LSTM模型的建立
1️⃣问题分析地区负荷的中短期预测分析根据附件中提供的某地区电网间隔15分钟的负荷数据,建立中短期负荷预测模型:
第8届泰迪杯C题问题总结
文章目录写作模板问题从网上下载了一个牛逼哄哄的模板,用 Winedit 打开时,却跳出错误弹出.我顿时懵逼了!!! 编译模板时,跳出 Improper alphabetic constant 错误 ...
分享篇：第十届“泰迪杯”数据挖掘挑战赛-农田害虫图像识别（特等奖）一
1.1 赛题背景昆虫的种类浩如烟海,农田常见的昆虫是人工生态系统的重要组成部分.分辨益虫和害虫,保留益虫,消灭害虫,对于减轻害虫对农田的生产危害有重要意义.常见农田害虫共有 138 种,天敌昆虫 ...
智能阅读模型的构建(第六届泰迪杯C题)
项目描述: 构建智能阅读模型主要通过两个方法来实现,第一个是TF-IDF的变种--TFC-ICF,TFC-ICF较于TF-IDF是将一个问题的所有答案看成一个整体,类比于TF-IDF文本分类的文件夹, ...
第九届泰迪杯A题（1）
分析:统计出造假和非造假的个数并作图正负样本可视化 import pandas as pd import matplotlib.pyplot as plt import numpy as np# 查 ...
第七届泰迪杯挑战赛C题
第七届"泰迪杯"数据挖掘挑战赛C题赛题和数据网盘链接: https://pan.baidu.com/s/1VRIHBLqaTsfOMLnVmibo5A 提取码:L6X6

【第十届泰迪杯B题电力负荷预测代码】

【第十届泰迪杯B题电力负荷预测代码】相关推荐

最新文章

热门文章