专利摘要显示，一种利用多目标时空图卷积神经网络GCN‑BILSTM模型进行短期负载率实际预测的方法，包括：从数据中台和气象网站获得目标区域的负载数据和天气数据；对获得的负载数据和天气数据进行数据清洗；对数据清洗后的数据进行特征工程处理，包括：对原有的气温拆分成最高温、最低温，并对最高温、最低温分别进行增...
文中提出图卷积网络(GCN)与双向长短时记忆神经网络(BiLSTM)组合短时交通流预测模型.利用图卷积网络提取路网拓扑结构解决拓扑关系问题,提取路网间的空间特征,利用双向长短时记忆神经网络用于学习交通数据的动态变化以获取时间相关性,融合GCNGBiLSTM模型同时考虑路网时空关系实现交通流预测.结果表明:文中提出的方法能更...
华中电力突破短期负载率预测的技术壁垒,创新GCN-BILSTM模型来袭! 2024年11月6日,湖北华中电力科技开发有限责任公司(以下简称华中电力)向国家知识产权局申请了一项名为“一种利用多目标时空图卷积神经网络GCN-BILSTM模型进行短期负载率实际预测的方法”的专利。这一创新不仅在负载率预测中引入了先进的AI技术,而且通过其...
专利摘要显示,一种利用多目标时空图卷积神经网络GCN‑BILSTM模型进行短期负载率实际预测的方法,包括:从数据中台和气象网站获得目标区域的负载数据和天气数据;对获得的负载数据和天气数据进行数据清洗;对数据清洗后的数据进行特征工程处理,包括:对原有的气温拆分成最高温、最低温,并对最高温、最低温分别进行增加预设...