《表4 不同季节预测结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于进化深度学习短期负荷预测的应用研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文所提进化深度学习特征提取预测模型可以挖掘多个影响因素和负荷值之间的复杂关系。表4为各种方法对2017年春季（2017年2月3日—4月20日）、夏季（2017年5月5日—7月22日）、秋季（2017年8月7日—10月23日）、冬季（2017年11月7日—2018年1月20日）4个季节的负荷数据分别进行预测。从预测结果可直观地看出，本文所提出的进化深度学习特征提取预测模型其MAPE总平均值为2.16%，比其余4种方法预测误差都要小。