AIPUB归智期刊联盟
微信公众号
网站二维码
2023, 32(1):206-213.DOI: 10.15888/j.cnki.csa.008937
摘要:能源分配问题往往与其所在区域环境有关, 能源分配的预测可以通过当地环境因素数据来推测之后对该区域的能源分配数值, 最大程度上分配好能源. LSTM网络预测短期效果良好, 但预测较长时期的数据会导致误差积累, 速度慢且准确性差; Informer是近期新提出的能源预测算法模型, 速度快但在该任务上预测能力不够. 本文提出Conv1d-LSTM模型, 预测结果优于上述两个模型, 具有更低的平均绝对误差和均方根误差.
出版年份
您是第11287817位访问者
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码：100190
电话：010-62661041 传真： Email：csa (a) iscas.ac.cn
技术支持：北京勤云科技发展有限公司
版权所有：中国科学院软件研究所 京ICP备05046678号-3
地址：北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码：100190
电话：010-62661041 传真： Email：csa (a) iscas.ac.cn
技术支持：北京勤云科技发展有限公司
