摘要：由于当前长期用电量预测方法难以解决变量选择问题，造成用电量预测结果不准确，为此将随机森林（RF）算法变量选择与长短期记忆（LSTM）网络回归两者结合，设计基于RF变量选择与LSTM回归的长期用电量预测模型。采用RF方法对单一变量的重要性进行评估，获取各项影响因素与用电量之间的相关系数，然后选取其中取值较高的变量作为用电量预测的依据。结合RF变量选择结果，分析动力系统理论，采用收敛交叉映射方法研究用电量与工业发展水平、温度等因素之间的关系，基于各因素之间的关系结合LSTM回归方法，组建用电量预测模型，实现长期用电量预测。研究结果表明，与传统方法相比，所设计模型的用电量预测精度与预测效率较高，能够快速、准确地完成长期用电量预测，表明该模型的应用价值更高。

      关键词：变量选择；随机森林算法；长短期记忆回归；长期用电量；预测模型

      中图分类号：TP393     文献标识码：A