| 基于LSTM-ARIMA組合模型的區(qū)域短期用電量預(yù)測 | |
| 所屬分類：技術(shù)論文 | |
| 上傳者：zhoubin333 | |
| 文檔大小：452 K | |
| 標(biāo)簽： 長短期記憶神經(jīng)網(wǎng)絡(luò) 差分自回歸移動平均模型 組合模型 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：用電數(shù)據(jù)具有不平穩(wěn)、非線性的特點，為了提升對用電數(shù)據(jù)的擬合精度，增強預(yù)測能力，基于序列預(yù)測與殘差修正的思想提出通過長短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory Neural Network，LSTM)對用電量序列進(jìn)行預(yù)測，真實值與預(yù)測值所構(gòu)成的差值即殘差用差分自回歸移動平均模型(Autoregressive Integrated Moving Average Model，ARIMA)進(jìn)行殘差修正，將LSTM的預(yù)測值與ARIMA的殘差修正值進(jìn)行重構(gòu)得到最終的預(yù)測值。最后利用廣東省佛山市某工業(yè)園區(qū)的用電數(shù)據(jù)對組合模型進(jìn)行驗證，實驗結(jié)果顯示該模型的預(yù)測精度與預(yù)測穩(wěn)定性均優(yōu)于其他模型，取得了良好的預(yù)測效果。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
長短期記憶神經(jīng)網(wǎng)絡(luò) 相關(guān)資源
Copyright ? 2005-2024 華北計算機系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2