初步研究：比较 LSTM 与 BLSTM 深度神经网络用于电力消耗预测
机器学习
2023-10-20 v2
摘要
电力消耗预测方法因诸多原因被研究，例如与能源效率相关的决策制定，以及预判能源市场动态中的需求。本工作的目标是在单变量电力消耗时间序列（TS）短期预测上，比较两种深度学习模型，即长短期记忆（LSTM）与双向 LSTM（BLSTM）。数据集（DS）因其不同背景与规模被选取，旨在评估模型的鲁棒性。使用了四个 DS，分别关于以下对象的电力消耗：(a) 法国家庭；(b) 巴西 Santarém 的一栋大学建筑；(c) 摩洛哥 Tétouan 城市区域；以及 (c) 新加坡聚合电力需求。在 TS 交叉验证方案下计算了 RMSE、MAE、MAPE 和 R2 指标。对归一化 RMSE（NRMSE）结果应用 Friedman 检验，显示 BLSTM 以统计显著差异（p = 0.0455）优于 LSTM，印证了双向权重更新显著改善 LSTM 在不同规模电力消耗上的性能这一事实。
引用
@article{arxiv.2305.16546,
title = {Preliminary studies: Comparing LSTM and BLSTM Deep Neural Networks for Power Consumption Prediction},
author = {Davi Guimarães da Silva and Anderson Alvarenga de Moura Meneses},
journal= {arXiv preprint arXiv:2305.16546},
year = {2023}
}
备注
38 pages, in English, 13 figures and 13 tables