Hybrid LSTM-Transformer-ACO deep learning models for time series forecasting of solar power
Diese Studie schlägt ein neuartiges hybrides Deep-Learning-Framework vor, das LSTM, Transformer und Ant Colony Optimization (ACO) kombiniert, welches bei Optimierung mit Nadam im Vergleich zu Standalone-Modellen und konkurrierenden hybriden Modellen eine überlegene Genauigkeit und Recheneffizienz für die Echtzeitprognose der Solarenergie und der elektrischen Last erreicht.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.