共查询到14条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
6.
提出采用Dropout技术的长短期记忆神经网络模型(Dropout-LSTM模型),对城市燃气日负荷进行预测。由于不同时期的燃气日负荷具有不同特点,将全年分为供暖期、过渡期及非供暖期,分别对3个时期的日负荷和影响因素进行相关性分析,确定3个模型的输入特征,建立3个时期的日负荷预测Dropout-LSTM模型,采用平均绝对百分比误差对模型预测效果进行评价。Dropout-LSTM模型可以很好地预测城市燃气日负荷,比BP模型、LSTM模型以及SVM模型有更好的预测效果。与基于全年数据的全年预测模型相比,分时期预测模型预测精度更高。供暖期的燃气日负荷规律性强,对供暖期的日负荷预测精度最高,非供暖期次之,由于过渡期日负荷波动大,预测效果是3个时期中最差的。 相似文献
8.
9.
10.
分析了燃气负荷的形状相似、趋势相似和特征相似,根据节假日燃气负荷的特点,提出基于相似日的节假日负荷预测方法。以前趋势相似性和日特征相似性为原则,在燃气负荷历史数据库中选择若干相似日,以相似日作为样本采用神经网络方法进行预测。实例证明该方法具有良好的预测精度。 相似文献
11.
12.
13.