鄭海濤

（華北電力大學(xué)，北京 102206）

0 引言

2021 年出現(xiàn)了罕見的供電缺口。這是由于在全球供應(yīng)鏈緊缺加上國內(nèi)復(fù)工復(fù)產(chǎn)的環(huán)境下，中國外貿(mào)進(jìn)出口貿(mào)易激增，工商業(yè)用電量均大幅增加，煤炭需求量激增。又疊加電廠季節(jié)性型增加庫存，導(dǎo)致煤炭鐵路出現(xiàn)運(yùn)力不足，電廠存在煤炭短缺的情況。因此鐵路發(fā)運(yùn)量預(yù)測對穩(wěn)定電力生產(chǎn)具有重要意義。

很多研究者對影響煤炭鐵路發(fā)運(yùn)量進(jìn)行了分析。在經(jīng)濟(jì)環(huán)境方面，有研究者將鐵路沿線的電廠發(fā)電用煤需求作為影響發(fā)運(yùn)量的關(guān)鍵因素[1]，同時北方港口吞吐量對鐵路運(yùn)輸也具有替代作用[2]。在運(yùn)輸成本方面，有研究者分別從鐵路運(yùn)價與煤炭聯(lián)運(yùn)的全程物流總成本[3]角度進(jìn)行了煤炭鐵路運(yùn)輸量的分析。

而在通過煤炭供需環(huán)境對煤炭鐵路發(fā)運(yùn)量進(jìn)行預(yù)測幾乎沒有人研究，也幾乎沒有研究者將機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘方法加入對煤炭鐵路發(fā)運(yùn)量的預(yù)測當(dāng)中。該文通過構(gòu)建煤炭鐵路發(fā)運(yùn)量相關(guān)數(shù)據(jù)集，利用隨機(jī)森林算法的高精度與決策可視化的優(yōu)點構(gòu)建煤炭鐵路運(yùn)輸量預(yù)測模型，利用自適應(yīng)提升法提高模型的精度與穩(wěn)定性，利用模型找出與發(fā)運(yùn)量相關(guān)的關(guān)鍵變量，并與其他傳統(tǒng)算法進(jìn)行精度與穩(wěn)定性的對比分析。

1 煤炭鐵路發(fā)運(yùn)量相關(guān)數(shù)據(jù)集構(gòu)建

在該研究中，利用大數(shù)據(jù)挖掘的思想，從煤炭的供需數(shù)據(jù)、運(yùn)輸價格、港口發(fā)運(yùn)量和各環(huán)節(jié)煤炭庫存等構(gòu)建用于預(yù)測的煤炭鐵路發(fā)運(yùn)量相關(guān)數(shù)據(jù)集。

在煤炭供給方面，包括全國煤炭產(chǎn)量、各省煤炭產(chǎn)量、各種煤炭進(jìn)口量、港口煤炭庫存、全國煤礦庫存和全國重點發(fā)電企業(yè)煤炭庫存等。在煤炭的需求方面，包括全國二、三產(chǎn)業(yè)增加值與同比增長率、各省與全國的發(fā)電量、各省的火力發(fā)電量、各省的水力和風(fēng)力發(fā)電量、各類型發(fā)電設(shè)備的裝機(jī)容量、各地區(qū)的氣溫變動、各省的生鐵產(chǎn)量以及各省的水泥產(chǎn)量等。在價格成本方面，包括了鐵路運(yùn)價、港口煤炭價格與山西煤炭現(xiàn)貨價格。在運(yùn)量方面，包括了各大港口煤炭吞吐量、太原局鐵路發(fā)運(yùn)量、大秦鐵路發(fā)運(yùn)量、朔黃鐵路發(fā)運(yùn)量以及合計鐵路發(fā)運(yùn)量等。

2 基于Ada-RF 的煤炭鐵路發(fā)運(yùn)量模型

該文將隨機(jī)森林算法作為鐵路發(fā)運(yùn)量的底層預(yù)測算法對其進(jìn)行回歸分析。作為一個機(jī)器學(xué)習(xí)算法，和傳統(tǒng)的線性回歸模型和應(yīng)對時間序列數(shù)據(jù)的自回歸模型相比，隨機(jī)森林算法有眾多優(yōu)點。除模型的精度與穩(wěn)定性更高外，它可以通過模型內(nèi)的損失函數(shù)與給輸入變量設(shè)置權(quán)重的方法選取相關(guān)的變量進(jìn)行回歸或分類分析。和其他的黑箱模型相比，隨機(jī)森林模型算法可以進(jìn)行可視化，有一定的可解釋性。隨機(jī)森林是一種將多個決策樹組合在一起的集成方法，通常用Bagging 或者pasting 方法訓(xùn)練[4]，和其他生成單一模型的算法相比，將多個模型整合的隨機(jī)森林具有一定的先天優(yōu)勢。算法從原始樣本中提取不同的多個樣本，根據(jù)每個樣本數(shù)據(jù)分別建立決策樹模型，最終通過投票得到最終結(jié)果[5]。

隨機(jī)森林回歸模型是由多個決策樹回歸器組成的，每個決策樹（CART）使用單個特征k、閾值與最小化成本函數(shù)將訓(xùn)練集分成2 個子集，成本函數(shù)如公式（1）所示。

式中：n為訓(xùn)練集中樣本數(shù)量；nL、nR分別為特征分解閾值YkYk左、右兩端樣本數(shù)量。

公式（1）中，每個節(jié)點在分解子集時通過計算在利用k特征分解時閾值Yk左、右兩端（或節(jié)點）的均方誤差（MSEL與MSER）和最小【表意不明，請修改】，得到該節(jié)點最優(yōu)特征k與最優(yōu)閾值YkYk。通常情況下，在決策樹模型做分類時會將基尼不純度或信息熵作為成本函數(shù)中均方誤差的替換項。

某節(jié)點的MSE 的結(jié)果是由該節(jié)點所有樣本中變量y 的均值與每個y的實際值的差進(jìn)行平方和計算得到的。

由于單一學(xué)習(xí)器導(dǎo)致誤差較大，因此基于大數(shù)定理提高學(xué)習(xí)器的預(yù)測精度需要將多個弱分類器結(jié)合成一個強(qiáng)分類器，即將多個決策樹模型結(jié)合為一個模型（隨機(jī)森林模型）。其中結(jié)合多個模型的方法為Bagging 算法。Bagging 的基本流程是采樣出M個含有n個訓(xùn)練樣本的采樣集，然后基于每個采樣集訓(xùn)練出一個CART 學(xué)習(xí)器，再將這些CART 學(xué)習(xí)器進(jìn)行結(jié)合。對預(yù)測輸出進(jìn)行結(jié)合時，Bagging 對回歸任務(wù)使用簡單平均法。

為了進(jìn)一步提高模型的預(yù)測精度，該研究選用自適應(yīng)提升法對隨機(jī)森林算法進(jìn)行模型精度與穩(wěn)定性的提升。隨機(jī)森林模型對訓(xùn)練集預(yù)測后，在每個樣本上都會產(chǎn)生一個不同預(yù)測誤差，AdaBoost 算法[6]會為每個樣本重新設(shè)置權(quán)重，針對預(yù)測誤差較高的樣本模型，在下一次的迭代中，算法會針對這一部分的樣本模型進(jìn)行進(jìn)一步的優(yōu)化提升。它使用更新后的權(quán)重訓(xùn)練第二個隨機(jī)森林學(xué)習(xí)器，并再次對訓(xùn)練集進(jìn)行預(yù)測和更新權(quán)重，直到訓(xùn)練出較為合適數(shù)量（N）的隨機(jī)森林學(xué)習(xí)器[7]。AdaBoost 使用權(quán)重aj對它們進(jìn)行加權(quán)，最后得到的大多數(shù)加權(quán)投票的預(yù)測結(jié)果就是最終模型給出的預(yù)測結(jié)果，如公式（3）所示。

式中：M為學(xué)習(xí)器數(shù)量；k為第j個學(xué)習(xí)器的預(yù)測值。

這在一定程度上解決了一般模型容易發(fā)生過擬合的問題。由于數(shù)據(jù)樣本量較少，同時為了提高模型的精準(zhǔn)度與穩(wěn)定性，避免過擬合，因此需要在模型訓(xùn)練過程中降低決策樹的自由度，即對模型中n_estimators（決策樹數(shù)量）、max_depth（決策樹深度）等超參數(shù)進(jìn)行正則化。

利用網(wǎng)格搜索最終確定該模型的超參數(shù)。網(wǎng)格搜索是對每個超參數(shù)選擇一個較小的有限集去探索，這些超參數(shù)笛卡爾乘積得到若干組超參數(shù)，然后網(wǎng)格搜索使用每組超參數(shù)訓(xùn)練模型，挑選驗證集誤差最小的超參數(shù)作為最好的超參數(shù)。

模型構(gòu)建流程圖如圖1 所示。

圖1 Ada-RF 模型構(gòu)建技術(shù)路線圖

該研究分別對太原局鐵路發(fā)運(yùn)量、大秦鐵路發(fā)運(yùn)量、朔黃鐵路發(fā)運(yùn)量和合計鐵路發(fā)運(yùn)量4 個變量構(gòu)建模型，利用網(wǎng)格搜索分別對這4 個模型尋找超參數(shù)，最終確定的超參數(shù)見表1。

表1 模型超參數(shù)設(shè)置表

3 模型預(yù)測結(jié)果對比分析

為驗證模型的預(yù)測精度，分別構(gòu)建自適應(yīng)提升的隨機(jī)森林模型、隨機(jī)森林模型（RF）、自適應(yīng)提升的決策樹模型（Ada-Tree）、線性回歸模型（LR）與決策樹模型（Tree）分別對太原局鐵路發(fā)運(yùn)量、大秦鐵路發(fā)運(yùn)量、朔黃鐵路發(fā)運(yùn)量與合計鐵路發(fā)運(yùn)量進(jìn)行預(yù)測。為客觀評估各預(yù)測模型的精度與穩(wěn)定性，該研究選擇平均絕對誤差（Mean Absolute Error，簡稱MAE）驗證模型的精度，用均方誤差（Mean Square Error，簡稱MSE）驗證模型的平穩(wěn)性，計算公式如公式（4）、公式（5）所示。

式中：n 為樣本數(shù)量；為樣本i 中被鐵路發(fā)運(yùn)量真實值；為樣本i 中被鐵路發(fā)運(yùn)量預(yù)測值。

使用5 折交叉驗證方法驗證各模型預(yù)測精度，結(jié)果見表2。

表2 模型預(yù)測精度與穩(wěn)定性表

從表2 可以看出，Ada-RF 模型對各鐵路線發(fā)運(yùn)量預(yù)測誤差均在3.2%以下，其中對太原、大秦、朔黃的合計鐵路發(fā)運(yùn)量的預(yù)測效果最好，預(yù)測精度達(dá)到98.78%，預(yù)測結(jié)果的均方誤差為8.60。其次為對太原局鐵路發(fā)運(yùn)量的預(yù)測，預(yù)測精度達(dá)到98.20%，預(yù)測結(jié)果的均方誤差為12.56。同時Adaboost提升法對隨機(jī)森林模型精度的提升在1.25%至11.92%。相比之下，Ada-RF 在預(yù)測精度與穩(wěn)定性上均強(qiáng)于其他模型，尤其是比傳統(tǒng)線性回歸模型的預(yù)測精度平均提升了7.39%。從總樣本中隨機(jī)選取90%的樣本作為訓(xùn)練集，其余樣本作為測試集，利用上述各模型合計三大鐵路煤炭發(fā)運(yùn)量，結(jié)果如圖2 所示。除線性回歸模型外，其余機(jī)器學(xué)習(xí)模型對鐵路煤炭發(fā)運(yùn)量的預(yù)測效果都是較為理想的，Ada-RF 模型的回歸預(yù)測效果最好，最貼近真實值。

圖2 各模型預(yù)測效果圖

機(jī)器學(xué)習(xí)算法可以通過模型內(nèi)置函數(shù)得到不同變量的重要程度，這樣對模型的擬合得到影響鐵路月煤炭發(fā)運(yùn)量的關(guān)鍵性因素，利用大數(shù)據(jù)挖掘的思想，從眾多的相關(guān)變量中篩選出影響其變動的實際的關(guān)鍵因素，太原局鐵路發(fā)運(yùn)量、大秦鐵路發(fā)運(yùn)量、朔黃鐵路發(fā)運(yùn)量與合計鐵路發(fā)運(yùn)量的重要程度排序見表3。

由表3 可以看出，影響太原局鐵路發(fā)運(yùn)量的關(guān)鍵因素包括各地區(qū)的發(fā)電量、水力發(fā)電占比與進(jìn)港煤炭量等。影響大秦鐵路發(fā)運(yùn)量的關(guān)鍵因素包括港口庫存量、出港煤炭量、火電發(fā)電量量同比增長率與秦皇島港口煤炭價格等。朔黃鐵路發(fā)運(yùn)量主要和各地區(qū)發(fā)電、港口煤炭的庫存及港口進(jìn)出量相關(guān)。而合計鐵路發(fā)運(yùn)量除了同樣受港口情況影響外，還有工業(yè)同比月增長率、山西電煤價格、全國重點電廠庫存等影響因素。

表3 影響煤炭鐵路發(fā)運(yùn)量的關(guān)鍵影響因素

4 結(jié)語

該文通過煤炭鐵路發(fā)運(yùn)量相關(guān)的月度數(shù)據(jù)進(jìn)行數(shù)據(jù)集構(gòu)建。影響煤炭鐵路發(fā)運(yùn)量的影響因素較多，為提升鐵路發(fā)運(yùn)量的預(yù)測精度，尋找影響煤炭鐵路發(fā)運(yùn)量的關(guān)鍵影響因素，該研究中構(gòu)建了自適應(yīng)提升的隨機(jī)森林算法預(yù)測模型，該方法對影響因素較為復(fù)雜的煤炭鐵路發(fā)運(yùn)量的預(yù)測精度較高。先將構(gòu)建的數(shù)據(jù)集訓(xùn)練隨機(jī)森林模型，利用網(wǎng)格搜索找到最優(yōu)超參數(shù)，然后利用自適應(yīng)提升法對隨機(jī)森林模型進(jìn)行迭代提升，得到最終的煤炭發(fā)運(yùn)量預(yù)測模型。利用該方法分別對太原局鐵路發(fā)運(yùn)量、大秦鐵路發(fā)運(yùn)量、朔黃鐵路發(fā)運(yùn)量與合計鐵路發(fā)運(yùn)量進(jìn)行預(yù)測，同時選取了多種模型與2 種模型誤差評價指標(biāo)，驗證了模型預(yù)測的精度與穩(wěn)定性，同時根據(jù)模型賦予各變量的重要性確定了影響煤炭鐵路發(fā)運(yùn)量的關(guān)鍵影響因素。結(jié)果發(fā)現(xiàn)，使用Ada-RF 模型對鐵路發(fā)運(yùn)量的預(yù)測精度與穩(wěn)定性都優(yōu)于其他模型，同時自適應(yīng)提升對煤炭鐵路發(fā)運(yùn)量預(yù)測模型的預(yù)測效果有明顯提升。該研究對鐵路發(fā)運(yùn)量影響因素發(fā)掘、煤炭供應(yīng)鏈的穩(wěn)定和火電廠安全生產(chǎn)具有一定意義。