|
|||||
|
|
| 基于改进型LSTM的电力设备温度预测方法研究 | |
| 作者姓名： | 张羽飞 孟凡勇 王永千 吴越 李红 |
| 作者单位： | 北京信息科技大学光电测试技术及仪器教育部重点实验室 北京 100192;北京信息科技大学光电测试技术及仪器教育部重点实验室 北京 100192;北京信息科技大学光纤传感与系统北京实验室 北京 100016;北京信息科技大学光纤传感与系统北京实验室 北京 100016;北京信息科技大学光电测试技术及仪器教育部重点实验室 北京 100192;北京信息科技大学北京市光电测试技术重点实验室 北京 100192 |
| 摘 要： | 实现电力设备温度的准确预测对于保障电力系统安全和提高维修效率具有重要意义.传统预测方法无法满足高精度的预测要求,提出一种基于改进型长短期记忆(long short-term memory,LSTM)神经网络的电力设备温度预测方法,利用去池化的卷积神经网络(convolutional neural networks,CN... |
| 关 键 词： | 卷积神经网络 长短期记忆神经网络 温度预测 电力设备 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 | |
| 点击此处可从《电子测量与仪器学报》下载全文 | |