基于界面工效评价的脑力负荷预测模型,麻美龄,完颜笑如,脑力负荷是影响飞行安全的重要因素之一,对飞行员脑力负荷进行预测具有重要的意义。在前期所建立的基于信息显示界面的飞行员脑力
基于相关因素映射的小波回归分析短期负荷预测模型研究.,孟祥斌,,电力系统负荷的嵌套周期性和相关因素的冗余和不确定性是产生预测误差的主要来源,本文通过建立映射数据库,将相关因素量化,选择��
在大规模、高维度的数据环境下,传统的案例推理具有计算复杂度高、实时性差等缺点。为在大数据环境下进行案例推理,提出了一种基于投影寻踪和MapReduce的并行推理模型dpCBR。在数据预处理阶段,计算源
基于CNN-LSTM的回归预测模型此模型融合了卷积神经网络(CNN)和长短期记忆网络(LSTM)的优势,适用于多列输入、单列输出的回归预测任务。代码注释清晰,用户只需替换数据即可轻松应用于2020年
基于相空间重构和高斯过程回归的短期负荷预测 论文文档,对于短期预测有一定的作用
基于机器学习的短期电力负荷预测方法研究
提出了采用经验模态分解(EMD)和神经网络结合的方法对短期电力负荷进行预测。通过EMD算法将电力负荷的时间序列分解为若干个固有模态函数,采用神经网络对各个固有模态函数分别预测,然后
基于用户分群策略的电力实时负荷预测方法,刘昌斯,陆月明,针对电力行业用户类型种类多,不同用户用电模式差异大的问题,提出基于用户分群策略的电力实时负荷预测方法。该方法首先以用户整
针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取
本文探讨了基于深度学习LSTM网络的短期电力负荷预测方法。经过大量数据的学习和处理,深度学习网络能够更准确地预测未来的电力负荷情况,提高电力系统的稳定性和可靠性。文章详细介绍了LSTM网络的原理和建模