没有合适的资源?快使用搜索试试~
我知道了~
文库首页
人工智能
深度学习
基于VMD-SE和GAElman神经网络的短期负荷预测模型.pdf
基于VMD-SE和GAElman神经网络的短期负荷预测模型.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
神经网络
深度学习
机器学习
数据建模
专业指导
0 下载量
74 浏览量
2021-09-25
23:04:41
上传
评论
收藏
897KB
PDF
举报
温馨提示
五一特惠:¥14.90
34.90
基于VMD-SE和GAElman神经网络的短期负荷预测模型.pdf
资源推荐
资源评论
基于VMD_SE和机器学习算法的短期风电功率多层级综合预测模型_张亚超.pdf
浏览:105
针对风电功率受自然环境变化影响,难以建立精确数学模型对其进行预测的问题,采用一种新型的可变模式分解(variational mode decomposition,VMD)技术,将原始风电功率序列分解为一系列有限带宽子模式以降低其不稳定性,根据子模式的样本熵(sample entropy,SE)分析其复杂度并重组得到子序列。在此基础上,结合3 种不同的机器学习基模型,提出一种基于VMD-SE 和基模
基于神经网络的短期负荷预测研究
浏览:141
神经网络电力系统短期负荷预测开题报告ppt,包括短期负荷的介绍,对于系统的建构
基于神经网络的电力系统短期负荷预测.pdf
浏览:58
基于神经网络的电力系统短期负荷预测.pdf
基于神经网络的电力系统短期负荷预测 (1).pdf
浏览:182
基于神经网络的电力系统短期负荷预测 (1).pdf
基于神经网络的电力系统短期负荷预测 (2).pdf
浏览:128
基于神经网络的电力系统短期负荷预测 (2).pdf
基于VMD和TCN的多尺度短期电力负荷预测.docx
浏览:105
基于VMD和TCN的多尺度短期电力负荷预测.docx
基于VMD-Leaky-ESN的电力系统短期负荷多步预测方法.pdf
浏览:200
基于VMD-Leaky-ESN的电力系统短期负荷多步预测方法.pdf
基于VMD-SSA-LSSVM、SSA-LSSVM、VMD-LSSVM的多变量时间序列预测(Matlab完整程序和数据)
浏览:60
5星 · 资源好评率100%
基于VMD-SSA-LSSVM、SSA-LSSVM、VMD-LSSVM的多变量时间序列预测(Matlab完整程序和数据) 基于VMD-SSA-LSSVM、SSA-LSSVM、VMD-LSSVM的多变量时间序列预测对比,功率预测(Matlab完整程序和数据) 运行环境Matlab2018...
基于VMD-BP神经网络模型的铁路车站月度客流发送量预测研究.pdf
浏览:9
基于VMD-BP神经网络模型的铁路车站月度客流发送量预测研究.pdf
基于神经网络和ARIMA模型的冷热电短期负荷预测.pdf
浏览:149
基于神经网络和ARIMA模型的冷热电短期负荷预测.pdf
基于EEMD-SE和GARBF的短期电力负荷预测
浏览:33
为了提高短期电力负荷的预测精度,提出了集合经验模态分解(EEMD)-样本熵(SE)和遗传算法(GA)来优化RBF神经网络的组合方法。利用EEMD分解法自适应地对负荷序列进行分解,结合样本熵对复杂度相似的子序列进行合并,有效减小了运算规模。基于各个子序列复杂度的差异构建相应的RBF神经网络模型,利用遗传算法避免神经网络陷入局部最优和收敛性问题,进而对合并的新子序列进行预测并叠加得到最终预测结果。仿真
基于随机神经网络的短期负荷预测.pdf
浏览:164
基于随机神经网络的短期负荷预测.pdf
基于VMD与PSO优化深度信念网络的短期负荷预测_梁智.caj
浏览:87
文献为“基于 VMD 与 PSO 优化深度信念网络的 短期负荷预测”的caj文件,为提高短期负荷预测精度,采用变分模态分解(variational mode decomposition,VMD)技术将原始历史负荷序列分解为一系列特征互异的模态函数,对每个模态函数进行特征分析并分别建立负荷预测模型。
基于RBF神经网络模型的电力系统短期负荷预测.pdf
浏览:118
基于RBF神经网络模型的电力系统短期负荷预测.pdf
基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法.pdf
浏览:4
基于改进VMD和GA-BP神经网络的砂岩破裂过程预测方法.pdf
基于VMD-SSA-GRU、VMD-GRU、GRU的多变量时间序列预测(Matlab完整程序和数据)
浏览:150
5星 · 资源好评率100%
基于VMD-SSA-GRU、VMD-GRU、GRU的多变量时间序列预测(Matlab完整程序和数据) 变分模态分解结合麻雀算法优化门控循环单元 1.先运行vmdtest,进行vmd分解; 2.再运行VMD-SSA-GRU,三个模型对比;
基于VMD-BP神经网络模型的天然气管道工况检测研究.pdf
浏览:42
基于VMD-BP神经网络模型的天然气管道工况检测研究.pdf
Matlab实现基于VMD-SSA-LSTM、VMD-LSTM、LSTM的多变量时间序列预测(完整程序和数据)
浏览:201
5星 · 资源好评率100%
Matlab实现基于VMD-SSA-LSTM、VMD-LSTM、LSTM的多变量时间序列预测(完整程序和数据) 1.先运行vmdtest,进行vmd分解; 2.再运行VMD-SSA-LSTM,三个模型对比; 3.运行环境Matlab2018及以上。
基于VMD-SSA-LSTM的多维时序光伏功率预测MATLAB程序
浏览:85
5星 · 资源好评率100%
《基于VMD-SSA-LSSVM的短期风电预测》 《基于改进鲸鱼优化算法的微网系统能量优化管理》 主要内容: 采用不同方法混合嫁接的方式实现了光伏功率预测,对于预测而言,包括训练和测试,因此,该方法仍然可以用于风电、...
基于JANET神经网络的短期负荷预测模型.pdf
浏览:48
基于JANET神经网络的短期负荷预测模型.pdf
基于深度SE_DenseNet的航班延误预测模型_吴仁彪.pdf
浏览:19
基于深度SE_DenseNet的航班延误预测模型_吴仁彪.pdf
基于BP神经网络的短期负荷预测.pdf
浏览:142
基于BP神经网络的短期负荷预测.pdf
基于VMD能量熵和BP神经网络风电叶片缺陷研究.pdf
浏览:81
基于VMD能量熵和BP神经网络风电叶片缺陷研究.pdf
基于变分模态分解和白鲸算法优化双向长短期记忆网络的多维时间序列预测,VMD-BWO-BILSTM多维时间序列预测 MATLAB代
浏览:44
5星 · 资源好评率100%
基于变分模态分解和白鲸算法优化双向长短期记忆网络的多维时间序列预测,VMD-BWO-BILSTM多维时间序列预测。MATLAB代码(含BILSTM、VMD-BILSTM、VMD-BWO-BILSTM三个模型的对比) 基于变分模态分解和白鲸算法优化双向...
基于变分模态分解和麻雀算法优化双向长短期记忆网络的多维时间序列预测,VMD-SSA-BILSTM多维时间序列预测 MATLAB代
浏览:121
5星 · 资源好评率100%
基于变分模态分解和麻雀算法优化双向长短期记忆网络的多维时间序列预测,VMD-SSA-BILSTM多维时间序列预测。MATLAB代码(含BILSTM、VMD-BILSTM、VMD-SSA-BILSTM三个模型的对比) 基于变分模态分解和麻雀算法优化双向...
基于变分模态分解和麻雀算法优化双向长短期记忆网络的时间序列预测,VMD-SSA-BILSTM时间序列预测 MATLAB代码(含B
浏览:158
基于变分模态分解和麻雀算法优化双向长短期记忆网络的时间序列预测,VMD-SSA-BILSTM时间序列预测。MATLAB代码(含BILSTM、VMD-BILSTM、VMD-SSA-BILSTM三个模型的对比) 基于变分模态分解和麻雀算法优化双向长短期...
评论
收藏
内容反馈
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
五一特惠:¥14.90
34.90
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
数据资源
粉丝: 113
资源:
23万+
私信
下载权益
C知道特权
VIP文章
课程特权
VIP享
7
折,此内容立减4.47元
开通VIP
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
爬虫python入门.txt
爬虫python入门.txt
基于人工智能(遗传算法 + 贪心 max-rect 算法) 的矩形拼接算法
贪心算法求地图最短路径.zip
算法是程序的灵魂,deep-learn项目是对数据结构和算法知识体系的代码实现.zip
记录了贪心,动态规划等算法基本思想与设计.zip
基于菲阿里基本模型,以及MACD RSI BooL 等技术指标 构建一套基于贪心算法策略的智能投顾模型.zip
oj算法代码-贪心算法.zip
基于yolov8行人检测源码+模型.zip
公开整理-地级市-绿色专利申请、授权数据集(2000-2022年).xlsx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功