摘要：针对当前电网企业电费回收风险,提出了一种基于改进随机森林的电力用户欠费风险分析预警方法。首先,针对欠费用户、正常缴费用户的类别分布不均衡问题,采用SMOTE算法优化原始用户样本分布;其次,选择信息值计算各属性与目标类别属性的相关性,进而优化节点属性的选择;然后,针对影响随机森林分类准确率和性能的主要参数:树的规模nTree、叶子节点的最小样本数minLeaf和属性子集的数量K,采用加温模拟退火算法搜寻最优参数组合;最后,采用改进的随机森林算法对用户未来是否欠费进行分析预测,得到潜在欠费高风险用户。将该方法与逻辑回归、决策树等常用分类算法进行了对比分析,结果验证了该方法的有效性。
分类：期刊> 自然科学与工程技术> 工程科技II> 电力工业
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：电力用户 欠费风险预测 随机森林算法 smote 信息值 参数组合 加温模拟退火算法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
