基于小波包去噪和深度学习的电力行业碳排放预测模型研究

摘要：

针对当前电力行业碳排放预测模型精度不高、参数优化困难等问题,提出一种基于小波包分解(Wavelet Packet Decomposition,WPD)去噪的碳排放预测模型PSO-CNN-LSTM.首先利用小波包分解将建模数据进行去噪,然后构建CNN-LSTM模型对碳排放数据进行预测.为了解决模型超参数选取困难的问题,利用粒子群优化(Particle Swarm Optimization,PSO)算法对模型进行迭代寻优,寻求最优的超参数组合.经验证可知,所提出的基于WPD去噪的PSO-CNN-LSTM模型的4种评价指标均最优且模型泛化能力更强,说明该模型可以应用于国家或区域尺度电力行业碳排放预测.

关键词：小波包分解、粒子群优化算法、卷积神经网络、长短期记忆网络、碳排放预测

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金32271880

在线出版日期：2024-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1102-1110