ty -jour a2 -Zhang，Xuyun au -li，li，chuanbin au -Zheng，xiaosen au -Yang，Zikun au -kuang au -kuang，li py -2018 da -2018/05/06 ti-预测短期电力需求，通过结合优势来预测短期电力需求雾计算环境中的ARMA和XGBOOST SP -5018053 VL -2018 AB-随着物联网的快速发展，云框架的缺点已经暴露出来，例如高延迟，网络拥堵和低可靠性。因此，雾计算框架已经出现，云和终端之间具有扩展的雾层。为了解决电力需求的实时预测，我们在雾计算环境中提出了一种基于XGBoost和ARMA的方法。通过采用雾计算框架的优势，我们首先提出一种基于原型的聚类算法，将企业用户分为几个类别，这些用户基于其总消耗；然后，我们通过分析用户的电力消耗历史记录并确定最重要的功能来提出一种模型选择方法。一般而言，如果历史记录通过平稳性和白噪声的测试，ARMA将使用时间顺序对用户的电力消耗进行建模；否则，如果历史记录没有通过测试，并且某些离散功能是最重要的，例如天气以及是否是周末，则将使用XGBoost。实验结果表明，通过结合ARMA和XGBOOST的优势，我们提出的方法比经典模型更准确。SN -1530-8669 UR -https：//doi.org/10.1155/2018/5018053 do -10.1155/2018/2018/5018053 JF-无线通信和移动计算PB -Hindawi KW -er -er -er -er -er-