短期负荷预测的比较技术
印度的：就是多种算法的比较，RF的结果最好
Auto-Regressive Integrated Moving Average (ARIMA), Multiple Linear Regression (MLR),
Recursive Partitioning and Regression Trees (RPART), Con-
ditional Inference Trees (CTREE) with Bootstrap Aggregating
(BAGGING), and Random Forest (RF) models have been tested
在这项工作中，自回归积分移动平均（ARIMA），多元线性回归（MLR），递归划分和回归树（RTAL），CON--
带Bootstrap聚合的传统推理树（CtRead）（袋装）和随机森林（RF）模型已经过测试。
季节性影响因素（每日和每周周期，日历）假期）、气象条件和特殊事件使负荷预测成为一个复杂的问题。
一年的完整样本数据（1/1/2014）31/12/2014作为训练数据集。加载数据将明年的第一天（1/1/2015）作为测试数据。
