- · 预测版面费是多少[04/09]
- · 《预测》投稿方式[04/09]
- · 《预测》数据库收录影响[04/09]
一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。 二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。 三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。 四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。 五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。 六、处理流程：（1） 通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4） 杂志出刊后，我们会按照您提供的地址免费奉寄样刊。 七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。 九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。
电力工业论文_基于变权重拟合的并行组合电价预
作者:网站采编关键词:
摘要：文章目录 0 引言 (1)时间序列预测法。 (2)人工神经网络预测法。 (3)组合预测模型。 1 模型基本原理 1.1 模型的选取 1.2 长短期记忆网络(Long Short-Term Memory, LSTM) 1.3 支持向量机(Support Vector
文章目录
0 引言
(1)时间序列预测法。
(2)人工神经网络预测法。
(3)组合预测模型。
1 模型基本原理
1.1 模型的选取
1.2 长短期记忆网络(Long Short-Term Memory, LSTM)
1.3 支持向量机(Support Vector Machine, SVM)
1.4 改进粒子群算法(Improved Particle Swarm Optimization, IPSO)
2 电价预测模型的构建
2.1 数据预处理
2.2 建模过程
3 算例分析
4 结论
文章摘要:在电力市场中，日前电价预测是用户用电决策的关键因素之一。为提高电价预测精度，提出了一种基于变权重拟合的并行组合电价预测模型，该模型结合了长短期记忆网络（LSTM）和支持向量机（SVM）模型，权重则采用改进粒子群算法（IPSO）获取。在预测过程中，首先分别使用LSTM和SVM对电价进行预测，然后使用预测日前的历史预测结果和实际历史电价对IPSO进行训练，以此获得权重；再用得到的权重拟合并行组合模型在预测日的预测结果就能得到最终预测结果；最后使用了美国PJM电力市场的电价数据进行预测实验，经与单一的LSTM模型和SVM模型的预测结果进行比较，验证了变权重拟合方法能够提高预测模型的最终预测精度。
文章关键词:
论文作者:徐良 忻俊杰 王恒毅 李文磊
作者单位:宁波大学信息科学与工程学院
论文分类号:TM73;TP183
文章来源：《预测》 网址: http://www.ycqks.cn/qikandaodu/2022/0612/1912.html