- 1、本文档共9页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第42卷第8期河南科学Vol.42No.8
2024年8月HENANSCIENCEAug.2024
文章编号:1004-3918(2024)08-1102-09
基于小波包去噪和深度学习的电力行业
碳排放预测模型研究
1,2,34,561,2,3
曾一鸣,曹姗姗,孔繁涛,古丽米拉·克孜尔别克
(1.新疆农业大学计算机与信息工程学院,乌鲁木齐830052;2.智能农业教育部工程研究中心,乌鲁木齐830052;
3.新疆农业信息化工程技术研究中心,乌鲁木齐830052;4.中国农业科学院农业信息研究所,北京100081;
5.国家农业科学数据中心,北京100081;6.中国农业科学院农业经济与发展研究所,北京100081)
摘要:针对当前电力行业碳排放预测模型精度不高、参数优化困难等问题,提出一种基于小波包分解(Wavelet
PacketDecomposition,WPD)去噪的碳排放预测模型PSO-CNN-LSTM.首先利用小波包分解将建模数据进行去噪,
然后构建CNN-LSTM模型对碳排放数据进行预测.为了解决模型超参数选取困难的问题,利用粒子群优化
(ParticleSwarmOptimization,PSO)算法对模型进行迭代寻优,寻求最优的超参数组合.经验证可知,所提出的基于
WPD去噪的PSO-CNN-LSTM模型的4种评价指标均最优且模型泛化能力更强,说明该模型可以应用于国家或区
域尺度电力行业碳排放预测.
关键词:小波包分解;粒子群优化算法;卷积神经网络;长短期记忆网络;碳排放预测
中图分类号:TP391文献标识码:A
CarbonEmissionPredictionModelforPowerIndustryBasedon
WaveletPacketDenoisingandDeepLearning
1,2,34,561,2,3
ZENGYiming,CAOShanshan,KONGFantao,GulimilaKEZIERBIEKE
(1.CollegeofComputerandInformationEngineering,XinjiangAgriculturalUniversity,Urumqi830052,China;
2.EngineeringResearchCenterofIntelligentAgricultureMinistryofEducation,Urumqi830052,China;
3.XinjiangAgriculturalInformationEngineeringTechnologyResearchCenter,Urumqi830052,China;
4.AgriculturalInformationInstituteofCAAS,Beijing100081,China;
5.NationalAgricultureScienceDataCenter,Beijing100081,China;
6.InstituteofAgriculturalEconomicsandDevelopment,ChineseAcademyofAgriculturalSciences,Beijing100081,China)
Abstract:Aimingattheproblem
您可能关注的文档
最近下载
- 数控加工工艺-全套PPT课件.pptx
- 幼儿园数学领域教育精要——关键经验与活动指导试题.doc
- 护理预见性护理课件.pptx
- 理光RICOH使用手册GRⅡ说明书.pdf
- 义务教育版(2024)信息科技六年级全一册 第4课 输入输出与计算 教案.docx VIP
- 深信服安全评估系统TSS用户手册_v1.7.3.pdf
- BOSE博士 SoundTouch 300 Soundbar 用户指南支持 简体中文.pdf
- 预应力锚杆与锚索支护技术.pptx VIP
- 灾难现场挤压伤挤压综合征救治技术规范.pdf VIP
- 统编版(五四制)道德与法治三年级上册12《家庭的记忆+传统节日中的“家”》(教学设计).docx
文档评论(0)