基于LSTM-ARIMA组合模型的区域短期用电量预测AET-电子技术应用-最丰富的电子设计资源平台

基于LSTM-ARIMA组合模型的区域短期用电量预测
所属分类：技术论文
上传者：zhoubin333
文档大小：452 K
标签：长短期记忆神经网络差分自回归移动平均模型组合模型
所需积分：0分积分不够怎么办？
文档介绍：用电数据具有不平稳、非线性的特点，为了提升对用电数据的拟合精度，增强预测能力，基于序列预测与残差修正的思想提出通过长短期记忆神经网络(Long Short-Term Memory Neural Network，LSTM)对用电量序列进行预测，真实值与预测值所构成的差值即残差用差分自回归移动平均模型(Autoregressive Integrated Moving Average Model，ARIMA)进行残差修正，将LSTM的预测值与ARIMA的残差修正值进行重构得到最终的预测值。最后利用广东省佛山市某工业园区的用电数据对组合模型进行验证，实验结果显示该模型的预测精度与预测稳定性均优于其他模型，取得了良好的预测效果。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

活动