共查询到20条相似文献，搜索用时 46 毫秒
1.
2.
基于长短期记忆神经网络的短期负荷预测方法 总被引：1，自引：0，他引：1
《黑龙江科技信息》2016,(31)
为了能够挖掘出海量数据中蕴含的有效信息,提高短期负荷预测精度,本文提出了具有深度学习能力的长短期记忆神经网络(Long Short-Term Memory,LSTM)模型进行短期负荷预测,深度学习顺应了大数据的趋势,对海量数据学习、泛化能力强。利用主成分分析方法对样本进行选择,进而建立LSTM预测模型。仿真结果表明,采用LSTM预测模型相对于BP神经网络模型提高了预测精度。 相似文献
3.
4.
为使预测所得的数据更好的为创新创业服务,提出LSTM神经网络主导下的预测模型,训练与创新创业发展相关的数据.对反应创新创业发展水平的指标进行预测,并与传统回归模型及BP神经网络模型进行对比后发现LSTM模型的显示效果更好.在此基础上,通过对比陕西省和四川省这两个西部重要省份的创新创业发展情况,能够得出两个省份有着相近的创新创业总体发展水平,但具体发展细节与侧重点上则各有不同.四川在创新创业的发展中拥有着更好更大的基础性投入,而陕西在创新创业的发展中拥有着更高更强的技术产出水平,可以看出陕西创新创业发展的效率要比四川强大,较高的效率弥补了人力物力在投入数量上的不足. 相似文献
5.
微电网系统中发电功率和负荷功率不匹配将会对其稳定性造成不利影响,为了准确预测微电网系统的短期负荷变化趋势,保证微电网可靠安全运行,文章提出了一种基于单变量单时间步长短期记忆神经网络(Long short-term memory,LSTM)的微电网短期负荷预测方法,该方法利用LSTM擅长处理时序性数据的能力,首先使用微电网负荷的历史数据进行模型训练,然后使用前一个采样点的数据去预测下一个时刻的数据.利用上述方法搭建了基于Keras的单变量单时间步长LSTM微电网短期负荷预测模型,使用某地各大区用电量进行负荷预测,实验结果跟实际用电量的平均绝对误差百分比为1.46％,取得了良好的预测精度,验证了该方法的有效性. 相似文献
7.
基于机器学习算法的研究热点趋势预测模型对比与分析——BP神经网络、支持向量机与LSTM模型 总被引：2，自引：0，他引：2
[目的/意义]细粒度分析学科领域热点主题发展脉络并对利用机器学习算法对未来发展趋势进行准确预测研究。[方法/过程]提出一种基于机器学习算法的研究热点趋势预测方法与分析框架，以基因工程领域为例利用主题概率模型识别WOS核心集中论文摘要数据研究热点主题并进行主题演化关联构建，然后选取BP神经网络、支持向量机及LSTM模型等3种典型机器学习算法进行预测分析，最后利用RE指标和精准度指标评价机器学习算法预测效果并对基因工程领域在医药卫生、农业食品等方面研究趋势进行分析。[结果/结论]实验表明基于LSTM模型对热点主题未来发展趋势预测准确度最高，支持向量机预测效果次之，BP神经网络预测效果较差且预测稳定性不足，同时结合专家咨询和文献调研表明本文方法可快速识别基因领域研究主题及发展趋势，可为我国学科领域大势研判和架构调整提供决策支持和参考。 相似文献
8.
9.
建设用地需求量预测对合理规划建设用地规模以及有效控制建设用地数量具有重要意义。本文应用多元线性回归模型(MLR)、GM(1,1)灰色系统模型和基于主成分分析的BP神经网络模型(PCA-BP)建立3种预测模型对2020年连云港的建设用地需求量进行预测。结果表明:3种模型的预测精度均较高,其中PCA-BP神经网络模型预测的平均绝对误差(MAE)、误差均方根(RMSE)以及平均相对误差(MRE)在3种模型中均最小,预测精确度最高,多元线性回归模型次之,灰色GM(1,1)模型略低;根据精度评价结果最终确定以3种模型预测结果的平均值作为2020年连云港建设用地需求量的预测值,得出预测结果为189506.02 hm~2。 相似文献
10.
逻辑回归作为点击率预测中经典算法,因其模型简单不易过拟合而得到广泛应用。逻辑回归作为线性模型无法处理特征的非线性关联,深度神经网络通过多层的网络结构,能够较好地处理特征的非线性关联性,将经过特征交叉后的非线性特征与逻辑回归的离散特征进行组合,通过深度神经网络提取特征的深层次非线性关联性,通过逻辑回归来降低模型的复杂度从而避免过拟合。实验通过爬取搜狐新闻进行线下模型测试,试验结果表明,本文算法能够较为明显的提升数据点击率和刷新率。 相似文献
11.
预测太阳辐照度对于有效及时的利用可再生能源至关重要。本文旨在研究递归神经网络(RNN)的5个变体,并得出有效可靠的5 min短期太阳辐照度预测模型。5个RNN网络分别是长期短期记忆(LSTM),门控循环单元(GRU),简单RNN,双向LSTM(Bi-LSTM)和双向GRU(Bi-GRU);前3个类别是单向的,后2个类别是双向的RNN模型。基于24个月连续采集的相关天气与辐照数据对5个网络模型进行训练与测试,研究不同参数以及模型结构下预测精度与误差的变化,最终得到最优的模型种类与结构。实验表明模型的深层次的体系结构会产生显著效果,同时,与单向预测相比,Bi-LSTM和Bi-GRU能提供更准确的预测。Bi-GRU模型提供了最低的RMSE和最高的R2值,分别为46.1和0.958;此外,双向RNN显示出较高的鲁棒性与非线性表达能力。 相似文献
12.
通过关联度系数的分析选择模型的自变量,各变量序列的单位根检验表明序列非平稳,为消除可能的虚假回归,利用协整关系来建立多元线性回归模型。对模型进行逐步完善并进行系数、残差和稳定性检验。通过对预测精度的评价,表明所建立的模型有较好的预测效果,并对我国2006年—2020年的石油需求进行了预测。 相似文献
13.
14.
《内蒙古科技与经济》2015,(18)
利用2009年~2014年中国居民消费价格指数的统计数据,建立了灰色GM(1.1)模型并对2015年中国居民消费价格指数进行了预测分析,结果显示建立的模型预测误差较小,可以对居民消费价格指数进行有效短期预测,并以此模型对2015年居民消费价格指数进行了预测,结果表明未来1年物价总水平基本稳定,不会发生大的通货膨胀和通货紧缩。 相似文献
15.
16.
对碳价波动的特征进行分析，说明碳价预测的意义；然后，基于卷积神经网络（convolutional neural network,CNN）与长短期记忆网络（long short-term memory, LSTM）提出一种CNN-LSTM组合模型的碳价预测方法，充分考虑碳价的时序特性，通过改善相关模型，从时序数据中提取特征的能力从而提高预测准确性；最后，通过欧洲能源交易所及我国广州碳市场的碳价实例验证，将CNN-LSTM模型的预测结果与其他常用预测模型对比，结果表明CNN-LSTM模型在碳价预测中具有更高的预测准确性。 相似文献
17.
神经网络和传统线性模型结合为处理混沌时间序列提供了新的途径。将Elman神经网络和单整自回归移动平均模型结合起来,同时分析我国进出口贸易量时间序列中的线性和非线性两部分,得到更准确的预测精度。实证表明,复合模型吸收两类方法的优点,较单一模型能够更有效地预测我国进出口数据。 相似文献
18.
《科技通报》2015,(12)
在进行无线通信数据射频调制过程中,因振荡数据的非线性特性产生谐波振荡,很难提高无线通信传输数据的调制解调能力。传统方法采用神经网络模糊控制的分布估计谐波平衡算法,非线性滚动预测控制品质上表现不佳,谐波平衡和稳定性控制效果不好。提出一种改进的基于神经网络谐波平衡的非线性通信系统的稳定性控制模型,构建非线性通信系统模型,提取通信系统中的信号和信道特征,进行信道模型设计,采用神经网络控制方法,实现控制算法改进。仿真结果表明,采用该算法能有效提高非线性通信系统的稳定性,降低误码率,克服旁瓣中的相干分量干扰,接收端的冲激响应自相关累加输出稳定性较好,克服因振荡数据的非线性特性产生谐波振荡导致的通信误差,改善通信质量。 相似文献
19.
当前建设工程合同管理工作量大,长期依赖人工审核和主观经验,为改变合同审查依赖主观经验的现状,进一步探索和实现合同条款智能识别和智能审核,尝试引入基于深度学习（DL）的自然语言处理（NLP）技术,提出一种建设工程合同智能分类方法。首先,设计合同智能分类方案,分别采用卷积神经网络（CNN）、长短期记忆网络（LSTM）和融合模型进行计算实验;其次,将CNN和LSTM模型用于合同文本特征提取和合同文本分类中,通过融合两个神经网络以提升分类模型的性能指标。结果显示,精确率和召回率的调和平均数（F1值）最高的为融合模型,其次是LSTM模型,CNN模型最低。相较于基于机器学习的其他同类研究,基于NLP和DL的建设工程合同分类融合模型能够提高合同文本分类任务的效果,实现对大规模数据量的施工、勘察、监理等不同类型合同的准确识别以及快速分类和归档。 相似文献
20.
由于BP神经网络有收敛速度慢,容易陷入局部最小的缺陷,因此文章提出了一种改进的粒子群算法来优化BP神经网络的权值与阈值。使得预测模型能够在搜索最优解的过程中能够平衡算法的局部搜索和全局搜索,提高搜索的精度。对初步确定的输入指标和输出指标采用线性回归的方法,来筛选与输出指标具有强相关性的输入指标。通过MATLAB软件进行预测,比较标准的PSO-BP与改进PSO-BP模型,预测结果较好,说明改进的PSO-BP模型是有效的。 相似文献