《表2 CNN-CSO算法与常见预测方法结果比较》
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
《基于卷积神经网络与纵横交叉算法的二维组合短期负荷预测方法研究》
(2) 将本文的方法与基于线性回归、支持向量机和神经网络等常见负荷预测方法进行比较,结果如表2所示。与表2所示的结果相比,CNN-CSO算法的大多数评价结果都高于常规算法。此外,对数据集进行重构可以更有效地提高传统机器学习方法的性能。例如,在夏季和冬季负荷预测中,将时间序列数据扩展为二维数据矩阵可有效提高预测的效果,因为MAPE值分别提高了84%和12%。
图表编号 | XD0059682800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.25 |
作者 | 杨跞、钟力强、殷豪 |
绘制单位 | 广东工业大学、广东电网电力科学研究院、广东工业大学 |
更多格式 | 高清、无水印(增值服务) |