原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
查看更多
本发明涉及一种基于CNN‑CS‑ILSTM模型的短期负荷预测方法，包括如下内容：首先，获取某地区电力负荷数据，构成原始负荷数据集，并对数据进行预处理；其次，为了增加非线性特征提取过程，利用滑动窗口对原始数据动态取值，进而构建卷积神经网络（CNN）特征提取层的输入特征图；在此基础上，对长短期记忆神经网络（LSTM）神经单元结构进行改进，将特征数据输入到预测模型中进行训练，训练过程中采用布谷鸟（CS）算法对改进的LSTM模型（ILSTM）的权重和偏置参数进行更新，从而构建CNN‑CS‑ILSTM的负
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116796635 A
(43)申请公布日 2023.09.22
(21)申请号 202310616146.8 G06F 113/04 (2020.01)
文档评论（0）