⛄ 内容介绍
一种基于PCA-BILSTM的多因素短期负荷预测方法,首先对原始输入数据进行归一化得到一个多维矩阵,并利用PCA方法对多维矩阵进行主成分提取,然后利用BILSTM网络预测模型进行预测.通过与传统电力负荷预测方法对比,该方法平均绝对百分误差(MAPE)和均方根误差(RMSE)均有所下降,结果表明该方法具有较高的预测精度.
⛄ 部分代码
%% 基于lstm神经网络时序温度时序预测附matlab代码
clc;
clear all;
close all;
%输入样本
data1=xlsread('数据列表（2022-09-01_2022-10-01）.xlsx','Table1','A2:A4240');
T=1:length(data1); %输入时间
data=data1;%输入第m个类型的
⛄ 运行结果
⛄ 参考文献
[1]李泽文, 胡让, 穆利智,等. 基于PCA-DBILSTM的多因素短期负荷预测方法:, CN111027772A[P]. 2020.
[2]殷茗, 王一博, 孟丹荔,等. 基于Bi-LSTM的敏捷开发需求变更预测方法:, CN110569591A[P]. 2019.
⛄ Matlab代码关注
❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料