|
|||||
|
|
| 基于共享经验模态分解的短期用电量预测研究 | |
| 引用本文： | 李佳辉,王鸿骏.基于共享经验模态分解的短期用电量预测研究[J].技术与市场,2023(8):65-69. |
| 作者姓名： | 李佳辉 王鸿骏 |
| 作者单位： | 辽宁工程技术大学电气与控制工程学院 |
| 摘 要： | 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。 |
| 关 键 词： | 用电量预测 双向长短期记忆网络 共享经验模态分解 |