基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
探讨了燃气负荷预测中规格化处理方法,建立了径向基神经网络燃气负荷预测模型.结合实例,对分别采用最大最小、零均值规格化处理的预测结果进行了比较,后者的精度较高.
推荐文章
基于特征的数据规格化方法
数据清洗
最大熵
马尔可夫模型
重叠特征
基于ARIMA结合ConvLSTM的燃气负荷预测
燃气负荷预测
自回归移动平均模型
卷积长短时神经网络
卷积神经网络
长短时记忆网络
城市燃气负荷的短期预测
城市燃气
负荷
短期预测
有效温度
模型
预测步长
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 数据规格化在燃气负荷预测的应用
来源期刊 煤气与热力 学科 工学
关键词 燃气负荷预测 神经网络 规格化
年,卷(期) 2010,(11) 所属期刊栏目
研究方向 页码范围 25-27
页数 分类号 TU996
字数 1939字 语种 中文
DOI 10.3969/j.issn.1000-4416.2010.11.007
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 梁金凤 5 17 3.0 3.0
2 杨俊杰 9 84 5.0 9.0
3 高铸 4 16 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (2)
同被引文献  (19)
二级引证文献  (2)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
燃气负荷预测
神经网络
规格化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
煤气与热力
月刊
1000-4416
12-1101/TU
大16开
天津市和平区新兴路52号都市花园大厦21层
6-36
1978
chi
出版文献量(篇)
5813
总下载数(次)
21
总被引数(次)
33292
论文1v1指导