基于 AlexNet 与 LSTM 的电力价格混合预测方法
人工智能
2025-07-01 v1
摘要
近期发展的先进机器学习方法为混合模型提供了很好的解决方案，以满足准确预测电力价格的需求。该方法结合 AlexNet 与 LSTM 算法，构建一种在价格预测方面具有更高准确率的新模型。尽管 RNN 和 ANN 有效，但往往难以处理外汇时序数据。传统方法未能准确预测价格，这些方法仅关注需求和价格，导致对数据的分析不够充分。为此，本文采用混合方法，聚焦于也影响预测价格的外部变量。鉴于 AlexNet 优异的特征提取能力和 LSTM 对时序模式的学习能力，预测准确率得到显著提升。该模型基于过去数据构建，包含需求、温度、阳光和雨量等关键要素。例如，模型应用最小-最大缩放和时间窗口等方法，预测未来电力价格。结果表明，该混合模型在准确率方面优于单一模型，虽然准确率为 97.08%，但仍高于其他模型 RNN 和 ANN，分别为 96.64% 和 96.63%。
引用
@article{arxiv.2506.23504,
title = {Hybrid Approach for Electricity Price Forecasting using AlexNet and LSTM},
author = {Bosubabu Sambana and Kotamsetty Geethika Devi and Bandi Rajeswara Reddy and Galeti Mohammad Hussain and Gownivalla Siddartha},
journal= {arXiv preprint arXiv:2506.23504},
year = {2025}
}
备注
6 Pages, 7 Figures