期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于TabNet-LSTNet的多特征短期负荷预测
1
作者
吴文辉
何家峰
+1 位作者
蔡高琰
骆德汉
《重庆大学学报》
CAS
CSCD
北大核心
2024年第9期129-140,共12页
为了挖掘负荷预测中不同输入特征的重要性,有效处理负荷数据中的线性成分和非线性成分,提高负荷预测的精度,提出一种基于TabNet和长期和短期时间序列网络(long and short-term temporal networks,LSTNet)的组合负荷预测模型。通过引入...
为了挖掘负荷预测中不同输入特征的重要性,有效处理负荷数据中的线性成分和非线性成分,提高负荷预测的精度,提出一种基于TabNet和长期和短期时间序列网络(long and short-term temporal networks,LSTNet)的组合负荷预测模型。通过引入自监督预训练来提高TabNet的预测精度,通过训练得到输入特征的全局重要性和预测结果,然后把重要性高的特征输入到LSTNet训练得出预测结果,最后通过方差-协方差组合方法得出TabNet-LSTNet模型的预测结果。通过仿真分析,与传统的长短期记忆网络(long short-term memory,LSTM)、极端梯度提升机(extreme gradient boost,Xgboost)、轻量级梯度提升机(lignt gradient boosting machine,Lightgbm)和其他组合模型相比较,TabNet-LSTNet模型具有更高的精度。
展开更多
关键词
负荷预测
特征重要性
TabNet
自监督预训练
LSTNet
在线阅读
下载PDF
职称材料
基于残差自回归方法的短期区域用电量预测
被引量：
11
2
作者
闵旭
叶青
蔡高琰
《技术经济》
CSSCI
北大核心
2019年第6期119-124,共6页
基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型...
基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。
展开更多
关键词
时间序列
残差自回归
短期区域用电量预测
在线阅读
下载PDF
职称材料
题名
基于TabNet-LSTNet的多特征短期负荷预测
1
作者
吴文辉
何家峰
蔡高琰
骆德汉
机构
广东
工业大学信息工程学院
广东浩迪创新科技有限公司
出处
《重庆大学学报》
CAS
CSCD
北大核心
2024年第9期129-140,共12页
基金
国家自然科学基金资助项目(61571140)。
文摘
为了挖掘负荷预测中不同输入特征的重要性,有效处理负荷数据中的线性成分和非线性成分,提高负荷预测的精度,提出一种基于TabNet和长期和短期时间序列网络(long and short-term temporal networks,LSTNet)的组合负荷预测模型。通过引入自监督预训练来提高TabNet的预测精度,通过训练得到输入特征的全局重要性和预测结果,然后把重要性高的特征输入到LSTNet训练得出预测结果,最后通过方差-协方差组合方法得出TabNet-LSTNet模型的预测结果。通过仿真分析,与传统的长短期记忆网络(long short-term memory,LSTM)、极端梯度提升机(extreme gradient boost,Xgboost)、轻量级梯度提升机(lignt gradient boosting machine,Lightgbm)和其他组合模型相比较,TabNet-LSTNet模型具有更高的精度。
关键词
负荷预测
特征重要性
TabNet
自监督预训练
LSTNet
Keywords
load forecasting
feature importance
TabNet
self-supervised pre-training
LSTNet
分类号
TM715 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于残差自回归方法的短期区域用电量预测
被引量：
11
2
作者
闵旭
叶青
蔡高琰
机构
清华大学经济管理学院
广东浩迪创新科技有限公司
出处
《技术经济》
CSSCI
北大核心
2019年第6期119-124,共6页
基金
国家自然科学基金项目“大数据环境下的运营策略优化与协调研究”(71490723)
文摘
基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。
关键词
时间序列
残差自回归
短期区域用电量预测
Keywords
time series
residual autoregression
short-term regional electricity demand forecasting
分类号
F427 [经济管理—产业经济]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于TabNet-LSTNet的多特征短期负荷预测
吴文辉
何家峰
蔡高琰
骆德汉
《重庆大学学报》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于残差自回归方法的短期区域用电量预测
闵旭
叶青
蔡高琰
《技术经济》
CSSCI
北大核心
2019
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
