| 基于LSTM-ARIMA組合模型的區域短期用電量預測 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>452 K | |
| 標簽： 長短期記憶神經網絡 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：用電數據具有不平穩、非線性的特點，為了提升對用電數據的擬合精度，增強預測能力，基于序列預測與殘差修正的思想提出通過長短期記憶神經網絡(Long Short-Term Memory Neural Network，LSTM)對用電量序列進行預測，真實值與預測值所構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)進行殘差修正，將LSTM的預測值與ARIMA的殘差修正值進行重構得到最終的預測值。最后利用廣東省佛山市某工業園區的用電數據對組合模型進行驗證，實驗結果顯示該模型的預測精度與預測穩定性均優于其他模型，取得了良好的預測效果。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2