《表1 DBN-NN模型不同结构时的预测性能》

  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

《基于深度信念网络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

表1给出了不同网络结构下DBN-NN负荷预测模型的预测性能。对每层隐单元数量进行选取时，依次设置为5~40个（间隔为5个），共8个级别。隐藏层的层数依次设置为1，2，3层，性能指标eMAPE的值为重复20次实验的平均值。由表1可知，第1层隐藏层的神经元数量为20个时，eMAPE取得最小值1.88%；第2层隐单元数为15时，eMAPE取得最小值1.51%；当第3层隐单元数为25时，eMAPE取得最小值2.33%，已经高于仅包含两层时的最佳值1.51%。由此可知，对于该数据集，DBN-NN预测模型采用4层结构（即第1层和第2层隐藏单元数目分别为20和15，表中用红色标识）时具有较佳效果。