Modelos de aprendizaje profundo de series temporales para problemas de programación de embalses basados en LSTM y transformación wavelet
Autores: Tang, Jiansong; Yang, Ruijia; Yuan, Gaoteng; Mao, Yingchi
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Modelos de aprendizaje profundo de series temporales para problemas de programación de embalses basados en LSTM y transformación wavelet
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Altas temperaturas
Sichuan
Energía hidroeléctrica
Programación de embalses
Red neuronal LSTM
Modelo de predicción de series temporales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 41
Citaciones: Sin citaciones
En 2022, como resultado de las temperaturas excepcionalmente altas que se han observado este verano en varias partes de China, especialmente en la provincia de Sichuan, la demanda residencial de energía ha aumentado.
Descripción
En 2022, como resultado de las temperaturas excepcionalmente altas que se han observado este verano en varias partes de China, especialmente en la provincia de Sichuan, la demanda residencial de energía ha aumentado.