基于集成学习的物资采购价格辅助决策方法

作者：程晓晓; 蒲兵舰; 张国平; 丁萌萌

来源：吉林大学学报(信息科学版), 2022, 40(05): 875-883.

DOI：10.19292/j.cnki.jdxxp.2022.05.014

• 价格预测
• 集成学习
• XGBoost模型
• 皮尔逊系数
• 随机森林

电力所需物资种类繁多且物资价格的波动受到多种因素的影响，为预测当下价格走势，建立电缆价格预测模型，为电网公司提供招标底价的依据与合理采购意见，对收集得到的物资价格，利用动态时间规整方法确定物资的不含税单价滞后于原材料价格的时间，从而确定不含税单价、原材料价格、经济指标间的对应关系。影响物资价格变化的因素很多，利用皮尔逊系数和随机森林两种方法筛选得到关键特征。根据选定的关键特征和数据分别建立AdaBoost、 XGBoost(Extreme Gradient Boosting)、随机森林3种模型对物资价格进行预测。利用预测评价指标平均绝对百分比误差(MAPE:Mean Absolute Percentage Error)评估预测效果，结果表明利用随机森林筛选关键特征配合XGBoost模型进行预测的准确率最高。

• 单位
  国网河南省电力公司