基于LSTM-ARIMA組合模型的區(qū)域短期用電量預測
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>452 K
標簽： 長短期記憶神經(jīng)網(wǎng)絡 差分自回歸移動平均模型 組合模型
所需積分：0分積分不夠怎么辦？
文檔介紹：用電數(shù)據(jù)具有不平穩(wěn)、非線性的特點，為了提升對用電數(shù)據(jù)的擬合精度，增強預測能力，基于序列預測與殘差修正的思想提出通過長短期記憶神經(jīng)網(wǎng)絡(Long Short-Term Memory Neural Network，LSTM)對用電量序列進行預測，真實值與預測值所構(gòu)成的差值即殘差用差分自回歸移動平均模型(Autoregressive Integrated Moving Average Model，ARIMA)進行殘差修正，將LSTM的預測值與ARIMA的殘差修正值進行重構(gòu)得到最終的預測值。最后利用廣東省佛山市某工業(yè)園區(qū)的用電數(shù)據(jù)對組合模型進行驗證，實驗結(jié)果顯示該模型的預測精度與預測穩(wěn)定性均優(yōu)于其他模型，取得了良好的預測效果。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。