基于IPSO算法优化GRU神经网络的燃气负荷预测

作者：海文龙; 王亚慧; 王怀秀

来源：传感器与微系统, 2023, 42(02): 126-129.

DOI：10.13873/J.1000-9787(2023)02-0126-04

• 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

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。

• 单位
  北京建筑大学