ANALYSIS OF THE IMPACT OF HYPERPARAMETERS OF LIGHTGBM MODEL ON SOLAR POWER FORECASTING

Tóm tắt

Bài báo này trình bày nghiên cứu về ảnh hưởng của một số siêu tham số trong mô hình LightGBM đến độ chính xác dự báo công suất phát điện mặt trời. Các siêu tham số được xem xét bao gồm số lá tối đa của cây quyết định (num_leaves), tốc độ học (learning_rate) và số lượng cây học (n_estimators). Mười kịch bản với các tổ hợp siêu tham số khác nhau đã được thực hiện và so sánh dựa trên các chỉ số sai số: RMSE, MAPE, NMAPE, cũng như thời gian huấn luyện và dự báo. Kết quả cho thấy việc điều chỉnh các tham số này có cải thiện hiệu suất dự báo của mô hình, thể hiện qua giảm nhẹ các sai số dự báo ví dụ MAPE giảm từ 90,67% xuống còn 82,94% khi tăng num_leaves từ 30 lên 60. Tuy nhiên, mức cải thiện không đáng kể, các chỉ số sai số chỉ thay đổi trong biên độ nhỏ giữa các kịch bản. Điều này cho thấy mô hình LightGBM khá bền vững với các siêu tham số trong phạm vi thử nghiệm, và việc tinh chỉnh vừa phải các giá trị num_leaves, learning_rate, n_estimators không đem lại thay đổi đột biến về độ chính xác dự báo