长短期记忆网络_昆明理工大学刘可真、苟家萁、骆钊等:粒子群优化长短期记忆网络模型如何进一步提高变压器油中溶解气体浓度的精准预测?...

本文提出了一种基于粒子群优化(PSO)的长短期记忆网络(LSTM)模型,用于提高变压器油中溶解气体浓度的预测精度。相较于其他模型,PSO-LSTM模型在yMAPE、yRMSE指标上有显著降低,表现出更好的预测效果。
摘要由CSDN通过智能技术生成
《电网技术》,值得信赖的电力学术期刊

aaeedd7bd247b3af3a2ac03dbda8031f.png

727eea41eec03c4584752fdb34d4f17c.png

78559edeb737d613f32e951f7facadf3.png

afe379265ec069cb627332685eb64bd8.gif 戳题目,看全文!

基于粒子群优化-长短期记忆网络模型的变压器油中溶解气体浓度预测方法/刘可真,苟家萁,骆钊,王科,徐肖伟,赵勇军.

《电网技术》2020年第7期:2778-2784.

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值