典型文献
基于LSTM神经网络的数据驱动空间负荷预测方法
文献摘要：
目前的数据驱动空间负荷预测方法数据迭代训练损失值较大、预测速度较慢,难以应对呈几何指数增长的数据量.针对以上问题,以LSTM神经网络为基础提出了一种新的数据驱动空间负荷预测方法,分析神经网络内部的时序,避免数据消沉现象,确定训练数据空间的相关性.根据不同的神经元建立预测模型,通过数据预处理降低采集数据的维度大小,确保数据完整性.同时提供数据控制基础,控制模型输入输出量,统一格式标准,保证模型训练次序,结合LSTM神经网络结构,选择预测方法,完成数据驱动空间负荷预测.实验结果表明,所提方法能够有效减少数据迭代训练损失值,提高预测速度.
文献关键词：
LSTM神经网络;数据分析;驱动预测;负荷研究;空间负荷;数据预测
中图分类号：
作者姓名：
李晶晶;张永敏;田桂林;崔胜胜;严洁
作者机构：
国网青海省电力公司营销服务中心,青海西宁810000
文献出处：
引用格式：
[1]李晶晶;张永敏;田桂林;崔胜胜;严洁-.基于LSTM神经网络的数据驱动空间负荷预测方法)[J].电子设计工程,2022(22):154-157,164
A类：
B类：
空间负荷预测,负荷预测方法,法数,迭代训练,损失值,测速,较慢,呈几何,指数增长,数据量,消沉,训练数据,数据空间,数据预处理,采集数据,数据完整性,控制模型,模型输入,输入输出,输出量,一格,模型训练,次序,神经网络结构,少数据,驱动预测,负荷研究,数据预测
AB值：
0.361106
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。
