《表2 神经网络融合前后预测性能的对比》

  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

《基于多神经网络融合的短期负荷预测方法》

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

不同季节的日负荷也会有较大的变化，本文在春夏秋冬4个季节各随机选择某一天，将多神经网络融合前后的不同方法进行对比，预测结果的评价指标如表2所示。由表可知，7种方法在春季和秋季的预测效果较好，而在夏季和冬季出现了一定波动，通过不同神经网络的融合，预测误差有降低趋势。整体而言，FOMNN的MAPE和RMSE在4个季节保持在较低的水平，体现了本文所提方法具有较高的预测性能。此外，本文也尝试剔除部分输入特征（如天气特征或季节特征）以检验其对预测结果鲁棒性的影响，实验结果表明，无论剔除哪种输入特征均会降低预测结果的准确性，这也说明合适的输入特征对于实现短期负荷的准确预测是必不可少的。