二维码
首页>论文搜索

论文预览

基于改进的CNN-BiGRU供热量预测方法

论文作者张　珂1，　曹姗姗1，　孙春华1，　夏国强1，　吴向东2杂志期数2024年12月刊
关键词供热量预测；双向门控循环神经网络；卷积神经网络；Dropout机制；贝叶斯优化
作者单位1.河北工业大学 能源与环境工程学院， 天津 300401； 2.河北工大科雅能源科技股份有限公司， 河北 石家庄 050000
提出一种融合Dropout机制和贝叶斯（Bayesian）优化的改进的CNN-BiGRU供热量预测模型。利用Dropout机制，降低预测模型的复杂度，减少神经网络陷入局部最优的风险。采用Bayesian优化算法对预测模型超参数进行优化，提高预测模型的预测精度。结合算例，对改进的CNN-BiGRU供热量预测模型的预测效果及训练集样本占比对预测效果的影响进行分析。改进的CNN-LSTM、CNN-GRU、CNN-BiLSTM预测模型的预测值明显偏离实测值，而改进的CNN-BiGRU预测值模型的预测更加贴近实测值。改进的CNN-BiGRU预测模型各项评价指标均优于其他预测模型，训练时间也相对理想。综合考虑，改进的CNN-BiGRU预测模型的预测效果最佳。预测效果随训练集样本占比增大而改善。当训练集样本占比达到70%后，继续增大训练集样本占比，对改善预测效果的帮助不大。为节约时间成本，推荐训练集样本占比为70%。
下载论文论文免费注册会员后免费下载