注册帐号丨忘记密码?
1.点击网站首页右上角的“充值”按钮可以为您的帐号充值
2.可选择不同档位的充值金额,充值后按篇按本计费
3.充值成功后即可购买网站上的任意文章或杂志的电子版
4.购买后文章、杂志可在个人中心的订阅/零买找到
5.登陆后可阅读免费专区的精彩内容
打开文本图片集
摘 要:基于组合预测方法的研究思路,在LSTM神经网络的基础上,引入强化学习思想,采用简化的Inception网络结构,构造成隐藏状態矩阵,实现LSTM网络的改进与优化,并据此构建短期电力负荷预测模型。实验结果表明,与DBN、RBF等网络模型相比,基于强化学习的改进LSTM网络模型可更好地捕捉依赖信息,具有更高的短期负荷预测准确性。(剩余5193字)
登录龙源期刊网
购买文章
基于LSTM的短期电力负荷预测算法研究
文章价格:4.00元
当前余额:100.00
阅读
您目前是文章会员,阅读数共:0篇
剩余阅读数:0篇
阅读有效期:0001-1-1 0:00:00