| 多维注意力机制改进燃气负荷预测 |
| |
| 引用本文： | 曹辰光,徐晓钟.多维注意力机制改进燃气负荷预测[J].计算机系统应用,2024,33(1):185-191. |
| |
| 作者姓名： | 曹辰光 徐晓钟 |
| |
| 作者单位： | 上海师范大学 信息与机电工程学院, 上海 201400 |
| |
| 基金项目： | 上海市科委项目(115105024) |
| |
| 摘 要： | 燃气负荷预测是一项让城市安全经济地调配燃气的重要的工作. 目前, 基于注意力机制的Seq2Seq模型越来越多地应用于燃气数据预测, 是一种有效的燃气负荷预测方法. 然而, 针对燃气负荷数据这种突变频率高、幅度大的特点, 一般基于注意力机制的Seq2Seq模型难以提取数据中的多维时间模式信息与应对数据随机突变情况, 在处理影响因素复杂的燃气负荷的预测问题时仍然需要改进. 为此, 本文提出多维注意力机制Seq2Seq模型. 一方面设计研究了多层次时间注意力模块, 综合单时间步长、多时间步长的注意力计算提取数据中不同时间模式信息; 另一方面, 设计增加了局部历史注意力模块, 以改进模型中无法区分重要历史信息的缺陷, 使模型在预测时倾向于参考更为重要的历史信息. 本改进模型针对燃气负荷的独特特性, 具有较好的预测表现. 使用国内某市区的燃气消耗数据与2016年电工数学建模竞赛的电力负荷数据的实验结果表明, 本改进模型相对于一般注意力机制Seq2Seq模型, MAE分别降低了17%与9%.
|
| 关 键 词： | 燃气负荷预测 注意力机制 Seq2Seq |
| 收稿时间： | 2023/7/3 0:00:00 |
| 修稿时间： | 2023/8/11 0:00:00 |
Improvement of Gas Load Forecasting by Multi-dimensional Attention Mechanism |
| |
| CAO Chen-Guang,XU Xiao-Zhong.Improvement of Gas Load Forecasting by Multi-dimensional Attention Mechanism[J].Computer Systems& Applications,2024,33(1):185-191. |
| |
| Authors: | CAO Chen-Guang XU Xiao-Zhong |
| |
| Affiliation: | College of Information, Mechanical and Electrical Engineering, Shanghai Normal University, Shanghai 201400, China |
| |
| Abstract: | |
| |
| Keywords: | gas load forecasting attention mechanism Seq2Seq |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
