Python电力负荷：ARIMA、LSTM神经网络时间序列预测分析
全文链接：http://tecdat.cn/?p=32059 分析师：Eileen 电力系统源源不断向各用户提供持续稳定的电能，本文通过对数据的提取，帮助客户分别对不同客户端日，月，年的用电负荷情况进行分析，并通过模型对单户负荷情况进行预测（点击文末“阅读原文”获取完整数据）。 解决方案 ...
Python用Lstm神经网络、离散小波转换DWT降噪对中压电网电压时间序列预测
全文链接：http://tecdat.cn/?p=31149 对于电力公司来说，对局部放电的准确预测可以显著降低人力物力成本。据调查，80%的输电设备损坏是随机发生的，而只有20%由于老化。 而损坏案例中又有85%是由于局部放电现象的发生。电厂98%的维护费用于支付维修师的薪资。因此，准确的预测电网的电压变化并预测局部放电现象的发生，可以极大的降低维修师的工作...
PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子
全文下载链接：http://tecdat.cn?p=26519 一个简单的编码器-解码器LSTM神经网络应用于时间序列预测问题：预测天然气价格，预测范围为 10 天。“进入”时间步长也设置为 10 天。) 只需要 10 天来推断接下来的 10 天。可以使用 10 天的历史数据集以在线学习的方式重新训练网络（点击文末“阅读原文”获取完整代码数据）。 数据集是天然...
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
原文链接：http://tecdat.cn/?p=25410 通过训练具有小型中心层的多层神经网络重构高维输入向量，可以将高维数据转换为低维代码。这种神经网络被命名为自编码器_Autoencoder_（点击文末“阅读原文”获取完整代码数据）。 自编码器是_非线性_降_维_ 技术用于特征的无监督学习，它们可以学习比主成分分析效果更好的低维代码，作为降低数据维数的...
R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行时间序列深度学习预测4个案例
全文链接:http://tecdat.cn/?p=23792 在最近的一篇文章中，我们展示了一个LSTM模型，通过假近邻（FNN）损失进行正则化，可以用来重建一个非线性动态系统（点击文末“阅读原文”获取完整代码数据） 在这里，我们探讨了同样的技术是如何协助预测的。与 "普通LSTM "相比，FNN-LSTM在数据集上提高了性能，特别是在多步骤预测的初始阶段。 ...
Matlab用深度学习循环神经网络RNN长短期记忆LSTM进行波形时间序列数据预测
原文链接：http://tecdat.cn/?p=27279 此示例说明如何使用长短期记忆 (LSTM) 网络预测时间序列。 LSTM神经网络架构和原理及其在Python中的预测应用 LSTM 网络是一种循环神经网络 (RNN)，它通过循环时间步长和更新网络状态来处理输入数据。网络状态包含在所有先前时间步长中记住的信息。您可以使用 LSTM...
Python用RNN神经网络：LSTM、GRU、回归和ARIMA对COVID19新冠疫情人数时间序列预测
原文链接：http://tecdat.cn/?p=27042 该数据根据世界各国提供的新病例数据（查看文末了解数据获取方式）提供。 获取时间序列数据 df=pd....
Python TensorFlow循环神经网络RNN-LSTM神经网络预测股票市场价格时间序列和MSE评估准确性
原文链接：http://tecdat.cn/?p=26562 该项目包括： 自 2000 年 1 月以来的股票价格数据。我们使用的是 Microsoft 股票。 将时间序列数据转换为分类问题。 使用 TensorFlow 的 LSTM 模型 由 MSE 衡量的预测准确性 GPU 设置（如果可用） ...
数据分享|PYTHON用KERAS的LSTM神经网络进行时间序列预测天然气价格例子
原文链接：http://tecdat.cn?p=26519 一个简单的编码器-解码器LSTM神经网络应用于时间序列预测问题：预测天然气价格，预测范围为 10 天。“进入”时间步长也设置为 10 天。) 只需要 10 天来推断接下来的 10 天。可以使用 10 天的历史数据集以在线学习的方式重新训练网络。 数据集是天然气价格（查看文末了解数据获取方式） ，具有...
MATLAB用深度学习长短期记忆 (LSTM) 神经网络对智能手机传感器时间序列数据进行分类
原文链接：http://tecdat.cn/?p=26318 此示例说明如何使用长短期记忆 (LSTM) 网络对序列数据的每个时间步长进行分类。 要训练深度神经网络对序列数据的每个时间步进行分类，可以使用 _序列对序列 LSTM 网络_。序列_对_序列 LSTM 网络使您能够对序列数据的每个单独时间步进行不同的预测。 此示例使用从佩戴在身上的智能手机获取的传感器...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。