《表2 不同LSTM训练层数负荷预测结果》

  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

《计及电价和Attention机制的LSTM短期负荷预测模型》

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

本实验通过控制变量的形式来逐渐对模型进行调优处理。在模型训练轮数、训练批次大小、特征数一定的情况下，通过不断增大LSTM的训练层数来测试负荷预测效果，实验结果如表2所示。从中可以看出，在LSTM网络层数不断增大的过程中，yMAPE的值也不断减小，模型效果逐渐变好。但当LSTM网络层数为4层时，随着层数的增加，yMAPE虽然在减小但改变微弱，效果一般。因此在训练时考虑不要浪费大量时间又能够保证推荐效果的情况下，选择4层网络层数。