feat(Test): 使用线性回归预测未来30年发电量增长趋势
- 移除了标准缩放和交叉验证的相关代码 - 添加了线性回归模型，用于预测未来30年的发电量 - 绘制了已知发电量和未来预测发电量的趋势图- 优化了散点图的绘制，增加了对角线以更好地展示预测与实际值的对比
This commit is contained in:
parent
0bf372d423
commit
11761ceb84
@ -2,15 +2,15 @@ import requests
|
||||
import zipfile
|
||||
import os
|
||||
import pandas as pd
|
||||
from sklearn.model_selection import train_test_split, cross_val_score
|
||||
from sklearn.model_selection import train_test_split
|
||||
from sklearn.ensemble import RandomForestRegressor
|
||||
from sklearn.metrics import mean_squared_error
|
||||
from sklearn.preprocessing import StandardScaler, LabelEncoder
|
||||
from sklearn.preprocessing import LabelEncoder
|
||||
import matplotlib.pyplot as plt
|
||||
import matplotlib
|
||||
from sklearn.linear_model import LinearRegression
|
||||
import numpy as np
|
||||
|
||||
|
||||
def main():
|
||||
# 设置支持中文的字体（例如：SimHei 字体）
|
||||
matplotlib.rcParams['font.sans-serif'] = ['SimHei'] # 或使用 'Microsoft YaHei'
|
||||
@ -53,85 +53,78 @@ def main():
|
||||
generation_columns = ['generation_gwh_2013', 'generation_gwh_2014', 'generation_gwh_2015',
|
||||
'generation_gwh_2016', 'generation_gwh_2017']
|
||||
|
||||
# 确保所有发电量列都存在
|
||||
missing_cols = [col for col in generation_columns if col not in data.columns]
|
||||
if missing_cols:
|
||||
print(f"警告: 缺少以下列: {', '.join(missing_cols)}")
|
||||
return
|
||||
|
||||
# 聚合不同年份的发电数据
|
||||
data['total_generation'] = data[generation_columns].sum(axis=1)
|
||||
|
||||
# 清理数据，移除异常值
|
||||
data = data[(data['capacity_mw'] > 0) & (data['capacity_mw'] < 5000)] # 假设容量过大或过小的数据无效
|
||||
data = data[data['total_generation'] >= 0] # 确保发电量是正数
|
||||
|
||||
# 再次检查数据的统计信息
|
||||
print(data.describe())
|
||||
|
||||
# 选择特征（X）和目标变量（y）
|
||||
X = data[['capacity_mw', 'latitude', 'longitude', 'primary_fuel', 'total_generation']]
|
||||
X = data[['capacity_mw', 'latitude', 'longitude', 'primary_fuel', 'total_generation']] # 示例特征
|
||||
y = data['generation_gwh_2017'] # 预测目标：2017年的发电量
|
||||
|
||||
# 将数据分割为训练集和测试集
|
||||
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
|
||||
|
||||
# 特征标准化
|
||||
scaler = StandardScaler()
|
||||
X_train_scaled = scaler.fit_transform(X_train)
|
||||
X_test_scaled = scaler.transform(X_test)
|
||||
|
||||
# 初始化并训练随机森林回归模型
|
||||
model = RandomForestRegressor(n_estimators=100, random_state=42)
|
||||
model.fit(X_train_scaled, y_train)
|
||||
model.fit(X_train, y_train)
|
||||
|
||||
# 在测试集上进行预测
|
||||
y_pred = model.predict(X_test_scaled)
|
||||
y_pred = model.predict(X_test)
|
||||
|
||||
# 评估模型
|
||||
mse = mean_squared_error(y_test, y_pred)
|
||||
rmse = mse ** 0.5
|
||||
print(f"均方根误差（RMSE）：{rmse}")
|
||||
|
||||
# 可视化预测值与实际值，使用不同颜色标记
|
||||
plt.scatter(y_test, y_pred, color='blue', label='预测发电量', alpha=0.6)
|
||||
plt.scatter(y_test, y_test, color='red', label='实际发电量', alpha=0.6)
|
||||
# 绘制预测值与实际值的对比图（预测值为 y 轴，实际值为 x 轴）
|
||||
plt.figure(figsize=(10, 6))
|
||||
plt.scatter(y_test, y_pred, color='blue', alpha=0.6)
|
||||
plt.plot([min(y_test), max(y_test)], [min(y_test), max(y_test)], color='red', linestyle='--')
|
||||
plt.xlabel('实际发电量 (GWh)')
|
||||
plt.ylabel('预测发电量 (GWh)')
|
||||
plt.title('实际 vs 预测发电量')
|
||||
plt.legend()
|
||||
plt.show()
|
||||
|
||||
# 交叉验证（例如使用10折交叉验证）
|
||||
cv_scores = cross_val_score(model, X_train_scaled, y_train, cv=10, scoring='neg_mean_squared_error')
|
||||
|
||||
# 检查是否存在 NaN 值
|
||||
if np.any(np.isnan(cv_scores)):
|
||||
print("警告: 交叉验证中发现 NaN 值，可能由数据问题导致。")
|
||||
|
||||
# 输出交叉验证的每折得分（RMSE）
|
||||
print("交叉验证的每折结果（负均方误差）：")
|
||||
for i, score in enumerate(cv_scores, 1):
|
||||
if np.isnan(score):
|
||||
print(f"折 {i}: 无效得分")
|
||||
else:
|
||||
print(f"score: {score}")
|
||||
print(f"折 {i}: {(-score) ** 0.5:.4f} RMSE")
|
||||
|
||||
# 输出交叉验证的平均RMSE
|
||||
mean_rmse = (-cv_scores.mean()) ** 0.5
|
||||
print(f"交叉验证的平均RMSE：{mean_rmse:.4f}")
|
||||
|
||||
# 可视化交叉验证结果
|
||||
plt.figure(figsize=(8, 6))
|
||||
plt.plot(range(1, 11), -cv_scores, marker='o', label='每折负均方误差')
|
||||
plt.xlabel('折数')
|
||||
plt.ylabel('负均方误差')
|
||||
plt.title('交叉验证结果（每折负均方误差）')
|
||||
plt.xticks(range(1, 11))
|
||||
plt.legend()
|
||||
plt.title('实际发电量与预测发电量对比')
|
||||
plt.grid(True)
|
||||
plt.show()
|
||||
|
||||
# 使用线性回归预测未来30年的增长趋势
|
||||
years = [2013, 2014, 2015, 2016, 2017] # 使用已有的年份
|
||||
generation_values = data[generation_columns].mean(axis=0) # 使用这些年份的平均发电量
|
||||
|
||||
# 创建一个线性回归模型来拟合这些数据
|
||||
linear_regressor = LinearRegression()
|
||||
linear_regressor.fit(np.array(years).reshape(-1, 1), generation_values)
|
||||
|
||||
# 预测未来30年的发电量
|
||||
future_years = list(range(2018, 2018 + 30))
|
||||
future_generation = linear_regressor.predict(np.array(future_years).reshape(-1, 1))
|
||||
|
||||
# 输出未来30年的预测发电量
|
||||
print("未来30年发电量预测（单位：GWh）：")
|
||||
for i, generation in enumerate(future_generation):
|
||||
print(f"第 {i+1} 年 ({future_years[i]}): {generation:.2f} GWh")
|
||||
|
||||
# 获取2013到2017年已知的发电量数据
|
||||
known_generation = data[generation_columns].mean(axis=0)
|
||||
|
||||
# 合并已知发电量数据和未来30年预测的发电量
|
||||
all_years = years + future_years
|
||||
all_generation = list(known_generation) + list(future_generation)
|
||||
|
||||
# 可视化年份和发电量的增长趋势（已知数据和预测数据）
|
||||
plt.figure(figsize=(10, 6))
|
||||
|
||||
# 绘制已知数据的发电量趋势（2013-2017年，用绿色标色）
|
||||
plt.plot(years, known_generation, marker='o', color='green', label='已知发电量 (2013-2017)', linestyle='-', markersize=8)
|
||||
|
||||
# 绘制未来预测数据的发电量趋势（2018-2047年，用蓝色标色）
|
||||
plt.plot(future_years, future_generation, marker='o', color='blue', label='预测发电量 (2018-2047)', linestyle='-', markersize=8)
|
||||
|
||||
plt.xlabel('年份')
|
||||
plt.ylabel('发电量 (GWh)')
|
||||
plt.title('2013-2047年发电量增长趋势（已知数据和预测数据）')
|
||||
plt.grid(True)
|
||||
plt.legend()
|
||||
plt.show()
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
|
||||
Loading…
Reference in New Issue
Block a user