《表1 不同模型训练时间：基于Bi-LSTM的家庭用电量预测》

  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Bi-LSTM的家庭用电量预测》

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

LSTM对时序数据也一直有很好的预测效果，大量相关文章中也颇多研究了基于LSTM的电量预测[11-12]，SVM来预测短期电力负荷的研究一直是负荷预测的研究热点，SVM基于统计学的结构风险最小化原则，与一般机器学习给予的基于经验风险最小归纳原则不同，这样的设计方式使得基于支SVM预测算法具有更好的预测精度[13]，因而选取LSTM与SVM作为对比试验。由于三种模型对一个星期的预测数据量巨大，不利于绘图，图4是Bi-LSTM模型、LSTM模型和SVM模型对智能电表MT＿330所收集家庭2012年1月份第一天电力消耗的预测。图4的结果表明，Bi-LSTM模型对家庭中期用电量预测效果比LSTM模型和传统机器学习SVM预测效果好。