蜣螂算法优化CNNLSTMAT模型的异常用电行为检测方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对用电模型预测精度不高导致异常检测效率低的问题，本文提出使用蜣螂优化算法（DBO）对卷积神经网络（CNN）长短期记忆网络（LSTM）注意力机制（AT）模型进行超参数选择的方法。首先，用户用电数据经过处理后，使用CNN对数据进行特征提取，用作LSTM的输入以分析时间序列，注意力机制提取LSTM隐藏状态的重要特征，忽略无用特征，逐步提高预测精度。（剩余10957字）

试读结束

目录
monitor
客服机器人