《表4 不同模型预测MAPE与RMSE对比》
之后对并行多模型融合的混合神经网络模型进行训练、验证和预测。本文对2018年6月27日进行预测,预测每个小时的负荷值,进行100次的训练并在网络训练结束后统计预测值,计算MAPE和RM SE,将所得值与LSTM模型、GRU-NN模型、串行CNN-LSTM模型和串行CNN-GRU模型进行横向对比,LSTM模型、GRU-NN模型、串行CNN-LSTM模型和串行CNN-GRU模型的结构超参数均为多次结构调整下最佳的预测性能,本文提出的并行多模型融合的混合神经网络型预测指标结果如表4所示,在M APE和RM SE上均优于其他4种模型。
图表编号 | XD00219998800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 庄家懿、杨国华、郑豪丰、王煜东、胡瑞琨、丁旭 |
绘制单位 | 宁夏大学物理与电子电气工程学院、宁夏大学物理与电子电气工程学院、宁夏电力能源安全自治区重点实验室、宁夏大学物理与电子电气工程学院、宁夏大学物理与电子电气工程学院、宁夏大学物理与电子电气工程学院、宁夏大学物理与电子电气工程学院 |
更多格式 | 高清、无水印(增值服务) |