北京建筑大学电气与信息工程学院
纸质出版:2023
移动端阅览
海文龙, 王亚慧, 王怀秀. 基于IPSO算法优化GRU神经网络的燃气负荷预测[J]. 传感器与微系统, 2023,(2):126-129.
海文龙, 王亚慧, 王怀秀. 基于IPSO算法优化GRU神经网络的燃气负荷预测[J]. 传感器与微系统, 2023,(2):126-129. DOI: 10.13873/J.1000-9787(2023)02-0126-04.
DOI:
燃气负荷具有非平稳性、非线性等特点,机理建模困难。为寻求更准确的燃气负荷预测方法,提出一种基于改进粒子群(IPSO)算法优化门控循环单元(GRU)的燃气负荷预测模型。首先,确定了模型的结构与输入变量;然后,针对长短期记忆(LSTM)神经网络复杂度高,训练速度慢的问题,提出采用相较于LSTM单元结构更加简单的GRU作为预测模型,并采用粒子群优化(PSO)算法对GRU网络参数进行优化,引入非线性惯性权重对PSO算法进行改进。实验表明:所提模型相对误差为1%
精度高于传统LSTM与GRU模型。
基于PPO算法优化的IoT环境温度预测研究[J]. 朱广;霍跃华;栾庆磊;史艳琼.传感器与微系统,2021(04)
基于多变量LSTM的GPS坐标时间序列预测模型[J]. 胡向阳;孙宪坤;尹玲;李世玺;张仕森.传感器与微系统,2021(03)
基于IPSO-FNN的风电齿轮箱故障诊断方法[J]. 白瑞飞;张伟;赵豆豆.传感器与微系统,2021(01)
基于Attention-GRU的短期电价预测[J]. 谢谦;董立红;厍向阳.电力系统保护与控制,2020(23)
基于PSO-ANN的RFID汽车室内定位算法[J]. 陈良;史志才;张翔.传感器与微系统,2020(12)
基于机器学习的日用气量预测及影响因素分析[J]. 黄建安;金亚东;杨谈.煤气与热力,2019(09)
智能算法在水体氨氮含量预测中的应用研究综述[J]. 巫莉莉;黄志宏;何斌斌;曾鸣.中国农机化学报,2019(06)
基于门控循环单元网络与模型融合的负荷聚合体预测方法[J]. 陈海文;王守相;王绍敏;王丹.电力系统自动化,2019(01)
GRU神经网络短期电力负荷预测研究[J]. 周莽;高僮;李晨光;姜辰龙.科技创新与应用,2018(33)
基于GRU型循环神经网络的随机域名检测[J]. 陈立国;张跃冬;耿光刚;延志伟.计算机系统应用,2018(08)
0
浏览量
605
下载量
1
CSCD
关联资源
相关文章
相关作者
相关机构