典型文献
基于 LSTM神经网络模型的泵站能耗预测
文献摘要：
为优化泵站的工作方式,降低能耗,建立一种基于长短期记忆网络(Long Short-Term Memory,LSTM)的神经网络模型来对泵站的能耗进预测,优化学习率、时间步长、批处理、隐含层层数、训练次数等参数.将LSTM网络模型的预测结果与BP模型、RNN模型进行对比,研究结果表明,基于LSTM神经网络模型的预测具有较高的精度和泛化能力.
文献关键词：
LSTM网络模型;能耗;预测;优化
中图分类号：
作者姓名：
王薪凯;于忠清
作者机构：
青岛大学计算机科学技术学院,青岛266071
文献出处：
引用格式：
[1]王薪凯;于忠清-.基于 LSTM神经网络模型的泵站能耗预测)[J].青岛大学学报（自然科学版）,2022(01):11-18
A类：
B类：
泵站,能耗预测,工作方式,降低能耗,长短期记忆网络,Long,Short,Term,Memory,优化学习,学习率,时间步长,批处理,隐含层,层数,RNN,泛化能力
AB值：
0.396711
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
