一种基于LSTM循环神经网络的天然气负荷预测方法

摘要

本发明涉及一种基于LSTM循环神经网络的天然气负荷预测方法，涉及短期负荷预测技术领域。本发明包括利用python进行数据采集、整合、预处理和特征子集选择，对训练集数据利用进行LSTM循环神经网络训练，根据验证集的预测效果对模型中各别预测误差较大的数据提出修正方式，最后利用LSTM循环神经网络进行负荷预测。本发明的方法可以对天然气市场提供有力参考。并且本发明针对特征子集的特征筛选使用了三种算法，因此预测结果更加精确。