文档名：基于IPSO算法优化GRU神经网络的燃气负荷预测
摘要：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.
作者：海文龙 王亚慧 王怀秀Author：HAIWenlong WANGYahui WANGHuaixiu
作者单位：北京建筑大学电气与信息工程学院,北京100044
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(2)
分类号：TP391TU996
关键词：燃气负荷预测 粒子群优化算法 长短期记忆神经网络 非线性惯性权重 门控循环单元
机标分类号：TP391TM715TP183
在线出版日期：2023年3月13日
基金项目：国家重点研发计划基于IPSO算法优化GRU神经网络的燃气负荷预测[
期刊论文] 传感器与微系统--2023, 42(2)海文龙 王亚慧 王怀秀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...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于IPSO算法优化GRU神经网络的燃气负荷预测 Gas load forecasting based on optimization of GRU neural network using IPSO algorithm
基于IPSO算法优化GRU神经网络的燃气负荷预测.pdf
- 文件大小:
- 1.16 MB
- 下载次数:
- 60
-
高速下载
|
|
