《表2 不同超参数设置的负荷预测均方误差（MSE）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

《基于多尺度跳跃深度长短期记忆网络的短期多变量负荷预测》

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

为了探究层数、跳跃数以及步长（即使用过去多少天的数据来进行下一天的负荷预测）对MSD-LSTM性能的影响，本文设置了7组使用不同超参数的对比实验，其在6个样本集上的结果如表2所示。首先，对比实验1和实验4的结果，实验4取得了更低的MSE，这表明深层网络有利于提升短期负荷预测的精度。对比实验2和实验7可以得到同样的结果。进一步的，对比实验4，5和7的结果，实验7取得了最低的MSE。这表明跳跃数会影响模型的性能，同时根据数据实际的多尺度时间结构来选择合适的跳跃数有利于提升模型的性能。最后，对比实验2，3以及实验6，7的结果，可以发现具有更短步长的模型可以取得更好的结果。因此，有效地使用MSD-LSTM需要综合考虑多个超参数的影响。