排序方式： 共有1条查询结果，搜索用时 31 毫秒
1
1.
针对单特征用电量预测精度较低的问题，提出了一种基于CEEMD-BiLSTM神经网络预测模型，通过CEEMD(共享经验模态分解)算法将原始用电量序列分解为IMFS分量及残差余量，并分别利用BiLSTM(双向长短期记忆网络)模型对CEEMD得到的分量进行预测，通过相加得到预测值。试验结果表明：利用CEEMD-BiLSTM相较于EEMD(集合经验模态分解)-BiLstm、EMD(经验模态分解)-BiLSTM以及BiLSTM模型，预测精度均有了显著提高。 相似文献
1