《表2 部分试验数据：基于CNN和SVR相结合的电力负荷预测分析》
提示：宽带有限、当前游客访问压缩模式
试验数据为辽宁电网的部分负荷分析数据，因为影响因素很多，考虑试验执行效率，选取36个因素来作为模型输入数据，部分试验数据如表2所示。
| 图表编号 | XD00133954800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.20 |
| 作者 | 马煜、黄哲洙、钟丽波、李然、杨宁 |
| 绘制单位 | 国网沈阳供电公司、国网沈阳供电公司、国网沈阳供电公司、国网沈阳供电公司、国家电网有限公司东北分部 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基于CNN的电力负荷预测模型的网络结构参数》2020.09.28
- 《表3 DBN网络结构：基于CEEMDAN-SE和DBN的短期电力负荷预测》2020.09.10
- 《表3 预测结果误差对比：基于VMD和GWO-SVR的电力负荷预测方法》2020.12.01
- 《表1 异常数据检测结果：用于电力数据管理分析的负荷预测与异常检测》2021.01.25
- 《表2 实验参数设置：基于气象大数据的城市电力负荷预测》2021.02.15
- 《表1 数据格式：基于气象大数据的城市电力负荷预测》2021.02.15
- 《表1 数据集参数表：基于深度玻尔兹曼机的并行电力负荷预测算法》2020.09.01
- 《表3 误差方差对比：基于CNN和SVR相结合的电力负荷预测分析》2020.02.20
- 《表1 核函数：基于CNN和SVR相结合的电力负荷预测分析》2020.02.20
- 《表2 分类结果：基于数据驱动理念的电力日负荷曲线预测方法研究》2020.01.01
- 《表2 模型输入数据：基于深度学习的短期电力负荷预测》2020.01.01
- 《表1 预测误差数据：基于机器学习的短期电力负荷预测方法研究》2019.12.10
- 《表2 负荷预测数据比较：基于GA-BP神经网络的电力系统负荷预测研究》2019.10.10
- 《表1 原始数据：基于GA-BP神经网络的电力系统负荷预测研究》2019.10.10
- 《表逐天预测性能指标对比：基于气象综合指数和加权LSSVM的短期电力负荷组合预测》2019.10.15
- 《表1 数据特征字段：基于低秩表示的多任务短期电力负荷预测的研究》2019.06.10
- 《表2 部分样本数据：基于改进BP神经网络的供热负荷预测模型》2019.07.15
- 《表1 参数代码和水平：基于进化神经网络的短期电力负荷预测研究》2019.06.10
- 《表1 天气量化处理结果：基于EEMD-SE和GARBF的短期电力负荷预测》2019.01.06
- 《表1 预测结果对比情况：长、短期电力负荷大数据下的智能预测实例分析》2019.12.25