您当前的位置：
首页 >
文章列表页 >
基于随机森林算法和粗糙集理论的改进型深度学习短期负荷预测模型
发电技术 2023年44卷第6期 页码：889-895
智能电网|更新时间：2025-06-06
|
基于随机森林算法和粗糙集理论的改进型深度学习短期负荷预测模型
Improved Deep Learning Model for Forecasting Short-Term Load Based on Random Forest Algorithm and Rough Set Theory
- “在电力负荷预测领域，专家提出了RF-DL-RST模型，通过随机森林算法提取关键特征量，利用深度神经网络训练并修正预测结果，提高了预测准确度。”
DOI：10.12096/j.2096-4528.pgt.23013
移动端阅览
128
浏览量
74
下载量
25
CSCD
文章被引用时，请邮件提醒。
提交
相关文章
基于频域增强Transformer的多用户短期负荷预测方法
基于BERT大模型的风电机组发电机轴承状态监测系统故障数据识别
聚变高温超导D型磁体和环形磁场线圈机械稳定性分析
基于改进霜冰优化算法的短期光伏功率预测方法研究
基于时序和多因素的锅炉受热面积灰结焦预测模型研究
相关作者
宋立业
孟凡宇
陈郁林
宋信萍
相关机构
辽宁工程技术大学电气与控制工程学院
浙江大学海南研究院
AI导读
AI脑图
AI问答