排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
用电负荷数据的波动性和周期性会影响电力负荷预测的准确性,针对此问题,文中提出了一种基于正交小波长短期记忆神经网络(orthogonal wavelet transform-long short-term memory, OWT-LSTM)的用电负荷预测方法。该方法对用电负荷序列进行正交小波分解,消除负荷数据的波动性,然后利用LSTM及其变种神经网络对正交小波分解后的各尺度负荷序列进行建模训练,通过各序列预测结果进行预测重构,获得最终的负荷预测结果。通过用户用电负荷数据集验证表明,该方法的预测性能优于其他模型,具有较高的预测精确性和稳定性。 相似文献
2.
本文在分析影响计算机网络安全因素基础上,就网络信息安全的技术探讨及安全管理相关问题进行探讨,从多个方面提出网络信息安全的技术措施,希望对于今后的网络信息安全发展具有一定帮助。 相似文献
1