《表2 基于CNN的电力负荷预测模型的网络结构参数》

  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

《基于随机森林与卷积神经网络的电力负荷预测研究》

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

注：该CNN网络结构参数为经协变量筛选之后的电力负荷预测模型。

利用Rstudio Vension 1.102开源软件和Randm Forest、Keras、Tensorflow程序包设计变量选择与电力负荷预测模型。优选的最佳变量子集经归一化后转置为4-D矩阵，大小n×c×w×h，其中n表示训练集或测试集数量，c为协变量数，w、h为输入变量像素，且w=h。将数据集划分为2部分，3月2日至25日的数据为训练样本，26-27日数据为测试样本，运用CNN网络模型进行学习训练。利用格网搜索法调整CNN模型的激活函数、卷积核、每层节点数、迭代次数等参数[12]，参数设置如表2。