计算机时代2023，Issue(7) ：42-45.DOI:10.16644/j.cnki.cn33-1094/tp.2023.07.010

改进粒子群算法在能耗预测中的应用

Application of improved particle swarm optimization in energy consumption prediction

郁旸
计算机时代2023，Issue(7) ：42-45.DOI:10.16644/j.cnki.cn33-1094/tp.2023.07.010
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

改进粒子群算法在能耗预测中的应用

Application of improved particle swarm optimization in energy consumption prediction

郁旸1
扫码查看

作者信息

  • 1. 浙江理工大学计算机科学与技术(人工智能)学院,浙江 杭州 310018
  • 折叠

摘要

针对能源管理系统中的能耗预测模块,为提升能源消耗的预测效果,引入长短期记忆网络(Long Short-Term Memory,LSTM),并利用改进的粒子群算法对超参数选取进行优化,构建了IPSO-LSTM能耗预测模型.通过工厂半年的数据分析对比,仿真结果表明IPSO-LSTM模型下的预测效果更好,准确性高于BP模型、LSTM模型和PSO-LSTM模型,验证了该模型用于能源管理系统能耗预测的可能性和准确性.

关键词

长短期记忆神经网络/超参数/改进粒子群/能耗预测

Key words

long short-term memory(LSTM)/hyper-parameter/improved particle swarm optimization(IPSO)/energy consumption prediction

引用本文复制引用

基金项目

激光与物质相互作用国家重点实验室开发基础研究课题(SKLLIM2113)

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
参考文献量6
段落导航相关论文