qzhqbb的博客

长期特征提取：使用LSTM捕捉电力负荷数据的趋势和季节性。非平稳性处理：利用CNN处理负荷数据的随机性特征。自注意力机制：突出重要信息，建模长距离依赖关系。输入层输入为序列数据，通常是电力负荷数据。数据格式可能为一个二维张量，形状为[样本数, 时间步长, 特征数]。在短期负荷预测中，特征数可能只有一个，即电力负荷。LSTM层该层负责处理时间序列数据的长期依赖性。LSTM 通过内部的门控机制（输入门、遗忘门和输出门）来捕捉数据中的趋势和周期性。