典型文献
基于深度学习的电能能耗预测研究
文献摘要：
针对传统电能消耗预测方法无法学习长序列数据的特征导致预测精度低的问题,本文采用一种基于transformer的长序列预测(LSTF)模型进行电能能耗预测,使用基于Keras和Pytorch的框架进行神经网络的搭建,同时应用自适应矩估计算法(Adam)更新和优化模型的权重参数;然后,将informer神经网络方法与其他三种网络方法(RNN,LSTM,LSTM+attention)进行比较.实验使用2005年至2018年美国Duquesne Light公司的电能能耗数据,结果的评价指标选用均方误差、均方根误差和R方值.实验结果表明:本文使用的informer模型的各方面指标均优于其他三个模型,显示了该模型在电能能耗预测上的有效性.
文献关键词：
电能能耗预测;时间序列预测;informer模型;神经网
中图分类号：
作者姓名：
雷俊;吴婷
作者机构：
依米康龙控软件有限公司;依米康科技集团股份有限公司
文献出处：
引用格式：
[1]雷俊;吴婷-.基于深度学习的电能能耗预测研究)[J].产业与科技论坛,2022(20):44-46
A类：
电能能耗预测,电能消耗预测,LSTF,informer,LSTM+attention,Duquesne
B类：
预测研究,序列数据,transformer,Keras,Pytorch,自适应矩估计,估计算法,Adam,神经网络方法,RNN,Light,能耗数据,均方误差,时间序列预测
AB值：
0.211514
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。
