(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210843164.5 (22)申请日 2022.07.18 (71)申请人 国网上海市电力公司 地址 200120 上海市浦东 新区源深路1 122 号 (72)发明人 张大维　尹渭　贾慧　胡征宇　 章迅　 (74)专利代理 机构 济南克雷姆专利代理事务所 (普通合伙) 37279 专利代理师 张祥明 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) (54)发明名称 一种基于 XGBoost和随机森林算法的申校概 率预测方法 (57)摘要 本发明属于电力拓扑大数据分析领域， 尤其 涉及一种基于XGBoo st和随机森林算法的申校概 率预测方法。 其特征在于包括一下步骤： S1： 数据 特征筛选； S2： 用户申校概率预测模型构建。 本发 明针对申校行为中数据量大、 数据关联链路较 长， 申校行为难预测的问题， 提出一种构基于 XGBoost+随机森林(Random  Forest)多种算法预 测申校行为概率的技术方案， 通过构建标签体 系， 精准挖掘潜在申校行为， 助力供电公司等单 位降低服 务和运营成本 。 权利要求书2页 说明书5页 附图1页 CN 115186909 A 2022.10.14 CN 115186909 A 1.一种基于XGBo ost和随机森林算法的申校概 率预测方法， 包括以下步骤： S1： 数据特 征筛选； S2： 用户申校概 率预测模型构建； 所述数据特 征筛选具体为： S11： 数据导入： 依次导入申校用户工单、 申校设备信息、 申校用户换表信息、 电量电费 表、 用户信息表信息； S12： 数据处理： 对采集到的上述各类数据， 通过数据统计方法进行数据转换， 并对数据 缺失值、 异常值进行填充处 理， 为后续申校概 率预测模型构建提供支撑； S13： 特征筛选： 通过相关系数方式计算， 筛选出与因变量有较强相关关系的特征， 以此 作为预测模型构建的依据。 2.根据权利 要求1所述的一种基于XGBoost和随机森林算法的申校概率预测方法， 其特 征在于： 所述 步骤S2用户申校概 率预测模型构建， 具体步骤为： S21： 客观预测算法技术体系构建： 针对申校概率预测业务需求， 选择客观预测算法用 于预测模型的构建， 按照算法的技术类型， 对客户预测算法进行分类， 并形成算法技术体 系； S22： 内外部数据计算： 计算近3年各月内外部数据的特征， 主要包含包括重复申校行为 特性、 重复申校 行为时间 间隔特征、 重复申校 行为结果特 征、 用电区域特 征维度； S23： 申校概率预测模型优化及迭代： 采用随机森林和XGBoost模型分析各特征对用户 申校的重要程度， 进一步筛选对用户申校概率影响较大的t op重要性特征集合， 重新优化预 测模型； 基于预测的效果对不同算法进行加权融合， 进行迭代； S24： 申校概 率预测模型效果评估， 评估预测模型的准确率； S25： 申校概率自动预测： 按一定周期(如： 月)调用随机森林、 XGBoost模型， 预测未来三 个月申校概 率情况。 3.根据权利 要求1所述的一种基于XGBoost和随机森林算法的申校概率预测方法， 其特 征在于： 所述的S12： 数据处理是指对采集到的各类数据， 通过数据统计方法进 行数据转换， 并对数据缺失值、 异常值进行填充处 理， 具体包括 一下步骤： S121： 值和异常值数据观测： 根据数据的业务含义和数据类型， 对存在的明显的异常或 者错误进行分析， 对空值进行填充处理， 并结合箱型图、 折线图等方法识别数据的异常值， 并进行前后均值 填充处理； S122： 数据完整性检验： 主要检查所提供的数据表中所有业务字段是否均有数据， 字段 缺失情况等， 如果存在缺失情况结合业务进行相应处理， 如： 均值填充、 中位数填充、 插补 等； S123： 业务准确性检验： 根据业务逻辑和基础数据情况， 判断涉及的业务逻辑字段数据 是否准确； S124： 数据有效性检验： 检查所提供的数据的正负情况以及数据中是否有特殊字符、 乱 码、 极大/小值、 异常值等出现， 如有特殊数据出现， 需结合业务进行相应处理， 使用标准编 码的字段 须有中文字段进行对照， 以便更好的了解数据； S125： 数据加工处理： 对基础数据指标进行统计和观测， 对存在的明显的问题进行核对 和处理。权　利　要　求　书 1/2 页 2 CN 115186909 A 24.根据权利 要求1所述的一种基于XGBoost和随机森林算法的申校概率预测方法， 其特 征在于： 所述的S13： 特征筛选是指通过Pearson相关系数计算， 筛选出与因变量有较强相关 关系的特 征， 以此作为用户申校概 率模型构建的依据； 其中， 假设特征变量为上月用电量PQ1、 因变量为月用电量PQ， 那么两 特征间的皮尔逊相 关系数可通过以下公式计算： 当相关系数为1时， 表明变量之间呈现完全正相关； 当相关系数小于0时， 表明上月变量 之间呈负相关关系； 当相关系数为 ‑1时， 表明变量之间呈完全负相关， 即， 相关系数绝对值 越接近1， 变量之间的相关性越强。 5.根据权利 要求2所述的一种基于XGBoost和随机森林算法的申校概率预测方法， 其特 征在于： 所述的S2 4： 申校概率预测模 型效果评估， 评估 预测模型的准确率， 采用MAP E方法其 中， 平均绝对 百分比误差计算值范围为[0,+∞)， 当MAPE值越接近于0， 模 型效果越好， 反之， 具体计算逻辑如下： 权　利　要　求　书 2/2 页 3 CN 115186909 A 3