本文探讨了在智能电网等关键基础设施中实现高效运营所需的精确电力负荷预测的问题,提出了基于深度学习模型应用于电力负荷预测问题的最新趋势,并通过实验评估了前馈神经网络、循环神经网络、序列到序列模型和时空卷积神经网络等多种深度学习模型在短期负荷预测方面的性能表现。
Jul, 2019
电力消耗预测是确保电网性能和稳定性的关键,本文介绍了自动深度学习在负荷预测中的应用,并通过自动选择特征和优化网络架构和超参数,展示了能够超越现有方法的原创深度学习模型。
May, 2024
本文综述了深度学习在时间序列分析和预测领域的主要技术,这些新技术实现了针对时间序列的无监督特征学习,并且取得了不错的应用效果。
Jan, 2017
本文为对财务领域中利用深度学习模型进行时间序列预测的文献进行了全面的回顾,将研究分为根据预测实现区域(如指数、外汇、商品预测),以及基于不同 DL 模型选择(如 CNNs,DBNs,LSTM),同时探讨了该领域未来的发展机会和挑战。
Nov, 2019
本文提出了一种基于深度学习的时间序列预测方法,并在两个数据集上进行了评估。该方法包括数据准备、模型训练和评估等步骤,并进行可视化检查。实验结果表明,如果数据集中的时间序列重复出现固定模式,则可以使用单个时间序列来训练深度学习网络。然而,对于股票市场收盘价格等较少结构化的时间序列,网络表现与重复观察到的最后一个值的基准线类似。该方法的实现和实验是开源的。
Feb, 2023
本文研究了如何在短期内准确预测能源消耗,对比了使用 LSTM、CNN、混合 CNN-LSTM 和 TCN 等多种深度学习算法的表现,通过实验结果表明 TCN 是最可靠的预测短期能源消耗的方法。
Jul, 2022
本文综述了近年来 2020 至 2022 年关于利用深度学习模型基于金融时序数据预测价格的研究,包括不同数据源和神经网络结构的实现细节,旨在让研究人员了解该领域最新进展,方便选择先前研究中使用的模型基线,并提供未来研究建议。
Apr, 2023
本论文综合调查了深度学习在智能电网和需求响应中的应用,主要包括负载预测、状态估计、能量盗窃检测、能源共享与交易等方面,并提出了如何充分利用深度学习技术应对该领域中的重要问题和潜在方向。
Jan, 2021
利用数据驱动方法预测建筑能源需求的可预测性,不需先使用数据驱动的预测模型。
Nov, 2023
本研究是一篇对深度学习预测方法的综述性文章,包括了预测方法在时间序列预测、工业预测及建立模型等方面的应用,以及该方法的优点和研究方向。
Apr, 2020