10.3969/j.issn.1003-3114.2023.01.018
基于ARIMA-LSTM的能量预测算法
无线传感器网络的节点运行往往受限于能量供给.对太阳能进行采集并转换成电能存储,可以延长节点的使用寿命.对太阳能进行能量预测,可以更好地规划和使用采集到的能量,这有助于节省能源、避免浪费,提升无线传感器网络的生存周期.针对太阳能预测,提出一种基于自回归积分移动平均-长短期记忆(Autoregressive Integrated Moving Average-Long Short Term Memory,ARIMA-LSTM)组合模型的能量预测方法.首先,采用ARIMA模型来对太阳辐照数据进行预测,提取数据中的线性分量;然后将过滤后的残差代入LSTM神经网络模型,得到非线性分量的预测;最后将二者进行相加,得到最终的预测结果.仿真实验显示,组合模型比起现有的单一模型,能够有效地提高预测的精度.
自回归积分移动平均算法、LSTM算法、能量预测
49
TN919.23
国家自然科学基金61601275
2023-02-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
150-156