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
131
浏览量
75
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
电氢耦合系统集群协同调控技术
电网调控大语言模型能力提升关键技术研究
面向新型电力系统的Transformer与Q学习双驱动智能发电控制
面向火电厂入炉煤粒度快速精准检测的YOLOv5m与通用图像分割模型协同分割方法
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