基于EWT-GM-LSTM模型的配网广义负荷短期预测 摘要 针对各经典负荷预测方法不能充分挖掘配网包括分布式电源的广义负荷数据的规律性和相关性从而导致预测精度不高的问题,提出了在经验小波分解EWT(Empirical Wavelet Transform)和交叉谱分析下,基于传统灰色多变量预测模型(GM(1,n))和长短期记忆神经网络(Long short-...
1.基于多信息融合的电动汽车保有量预测模型分析2.基于多模型融合的电动汽车行驶里程预测3.基于GM-LSTM模型的南京市老年人口预测研究4.基于工况聚类分析和信息融合的相似性剩余使用寿命预测方法5.基于综合预测模型和蒙特卡洛的电动汽车保有量及负荷预测方法研究 因版权原因,仅展示原文概要,查看原文内容请购买©...
利用该方法采用12场历史台风数据对小清河入海口风暴潮增水进行模拟预报，并将预报结果与LSTM神经网络、BP神经网络的预报结果进行对比。结果表明：相较于LSTM神经网络和BP神经网 络，LSTM-GM神经网络模型的纳什效率系数分别提高了6.5%和11.4%，均方根误差分别降低了70.6%和72.2%，平均相对误差分别降低了50%和69.2%...
分别使用GM（1，1）模型、ARIMA模型与LSTM模型对中国移动支付额进行拟合，并根据拟合结果选择最优预测模型进行预测。研究表明：LSTM模型预测精度更高，能够更好地预测中国移动支付额。研究结论科学、可靠，有望为中国互联网金融发展、政府及企事业单位经营管理与决策提供政策建议。
基于KF-LSTM组合模型的短期电离层TEC预测 针对电离层总电子含量(TEC)时间序列非线性,非平稳性等特点,提出以卡尔曼滤波对电离层TEC数据进行预处理为基础,融合长短期记忆神经网络模型,构建KF-LSTM短期电离层组合... 李磊,黎竞,杨晨 - 《大地测量与地球动力学》 被引量: 0发表: 2023年 基于LSTM的区域电离层总电子...
容量的估计.在此基础上,应用结合双向长短期记忆(Bi-LSTM)网络模型和非线性自回归(NAR)神经网络的混合模型(混合Bi-LSTM-NAR模型)预测锂电池剩余寿命.以NASA公开数据集为例完成案例研究,结果表明:通过因子筛选,可以为锂离子电池容量估计及剩余寿命预测的精度提供保障;与已有方法的预测结果相比,所提混合预测模型的预测...