matlab数据输入代码-Load-forecasting-IEEE-TPWRS-2020:基于自适应在线学习（APLF）的概率负荷预测

matlab数据输入代码基于自适应在线学习（APLF）的概率负荷预测 该存储库包含基于自适应在线学习的论文概率负荷预测的代码。 我们使用本文中描述的实现细节。 方法的实现 APLF文件夹包含，a和a，其中包含执行该方法所需的所有Matlab脚本： APLF.m是主文件。 initialize.m函数可初始化模型参数。 projection.m函数以高斯密度函数的均值和标准偏差的形式获取负荷预测和概率负荷预测。 test.m函数可量化预测误差RMSE和MAPE。 update_model.m函数为每个新训练样本更新模型。 update_parameters.m函数更新模型参数。 数据 我们使用7个可公开获得的数据集，它们对应于具有不同大小的区域。 数据集是： 我们将数据保存在.mat文件中，该文件包含具有以下字段的结构： 每小时加载时间序列 温度时间序列 衡量负载的日期和小时或时间戳记 安装 git clone https://github.com/VeronicaAlvarez/online-probabilistic-load-forecasting 运行python代码： cd o