本次组会将会介绍阅读的一篇论文《Combination of short-term load forecasting models based on a stacking ensemble approach》，主要从以下几个方面介绍：

研究背景：

提高负荷预测的准确性有助于减少能源消耗，制定合理的电源建设规划，降低发电成本。所以电力的负荷预测对电力系统有重要的参考价值。本篇论文是以集成学习的方法来进行负荷预测，集成学习通过训练若干个个体学习器，通过一定的结合策略，最终形成一个强学习器。集成方法可以分类为：Bagging、Boosting、Stacking、Blending。

科研问题：

利用dnn构建最优预测模型是困难和耗时的，因为必须确定几个超参数才能获得最佳的神经网络组合。DNN模型中隐含层数的确定是一个具有挑战性的问题，因为它极大地影响着DNN模型的预测性能。

方法：集成学习的stacking方法