科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了挖掘负荷预测中不同输入特征的重要性，有效处理负荷数据中的线性成分和非线性成分，提高负荷预测的精度，文中提出一种基于TabNet和LSTNet（long and short-term temporal networks，长期和短期时间序列网络）的组合负荷预测模型。首先，通过引入自监督预训练来提高TabNet的预测精度，通过训练得到输入特征的全局重要性和预测结果，然后把重要性高的特征输入到LSTNet训练得出预测结果，最后通过方差-协方差组合方法得出TabNet-LSTNet模型的预测结果。通过仿真分析，与传统的长短期记忆网络（long short-term memory，LSTM）、极端梯度提升机（xgboost）、轻量级梯度提升机（lightgbm）和其它组合模型相比较，文中提出的TabNet-LSTNet模型具有更高的精度。
- 单位
