论文部分内容阅读
针对火力发电厂存煤量预测精度不高的问题,提出了一种基于奇异谱分析(SSA)和长短时记忆(LSTM)神经网络的多变量多步预测模型.考虑电厂历史数据和温度的影响,以奇异谱分析或小波分析(wavelet analysis)对数据做平滑处理,剔除数据中的噪声成分,作为LSTM神经网络的输入向量进行仿真测试.结果表明,相比于普通BP(back propagation)神经网络、循环神经网络(RNN)和小波分析与LSTM结合算法,本文采用的基于奇异谱分析和长短时记忆神经网络的多变量多步预测模型精度更高.