基于电力数据分析处理的系统决策正在不断地推进电力系统优化，我国对于构建有效的电力大数据模型有着强烈的现实诉求。本文运用经验模态分解及小波变换来降低该序列中的环境噪声，并根据各个分解信号的样本熵值进行序列重组，以降低重复建模的工作量，进而提高模型预测精度。实证结果表明，经过降噪处理和数据重组后，长短期记忆网络模型的拟合效果较好，所建模型具有稳健性。
科研之友
微信
新浪微博
Facebook
分享链接
