典型文献
运用长短期记忆神经网络预测河南省电力消费量
文献摘要：
河南省全社会用电量数据序列呈非凸凹一致、非光滑分布的特点.传统神经网络预测效果差强人意,需采用性能更优的LSTM网络对其进行预测.预测结果显示:LSTM模型的平均预测误差为0.17156％,比支持向量机的1.91146％减小了 91.02466％,比随机森林的1.79750％减小了 90.45563％.运用LSTM模型预测河南省2022-2026年全社会用电量,预测结果有较高的可信度.
文献关键词：
河南;用电量;预测;LSTM
中图分类号：
作者姓名：
舒服华
作者机构：
武汉理工大学继续教育学院,湖北武汉430070
文献出处：
引用格式：
[1]舒服华-.运用长短期记忆神经网络预测河南省电力消费量)[J].焦作师范高等专科学校学报,2022(04):73-76
A类：
B类：
长短期记忆神经网络,神经网络预测,省电,电力消费量,全社会用电量,数据序列,非凸,凸凹,非光滑,差强人意,预测误差,可信度
AB值：
0.256259
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。
