搜索资源列表
EUNIT.7z
- EUNIT电力负荷预测竞赛完整数据.欧洲智能技术网络(EUNITE)竞赛负荷预测样本数据，里面包含了1997年、1998年斯洛伐克东部电力公司某电厂的真实负荷数据，要求预测1999年1月份的负荷数据。另外，给出了1997、1998年每年的节假日数据和每天的天气数据(EUNITE load forecasting data)
house_predict
- 房价预测系统，利用python语句实现，在读入数据后，利用神经网络训练数据特征，从而实现推荐。(The house price forecasting system is realized by Python statement. After reading the data, the data features are trained by neural network to realize recommendation.)
fhqx
- 给出了一组合理的负荷需求数据。用于电力系统负荷预测。(A set of reasonable load demand data is given.For power system load forecasting.)
极限学习机预测，ELM负荷预测
- 极限学习机Extreme learning machine负荷预测(load forecasting using Extreme learning machine)
神经网络预测
- 这是偶然在网上找到的利用神经网络做2018年电力负荷预测的matlab代码，分享给大家。(This is the matlab code that I found by chance on the Internet to use 2018 neural network power load forecasting and share it with everyone.)
Personae-master
- 基于强化学习的股票预测系统，内涵有监督学习和强化学习的代码(he stock forecasting system based on reinforcement learning contains the codes of supervised learning and reinforcement learning)
load_RNN
- python 电力负荷预测，rnn版本，python环境(Python power load forecasting, RNN version, python environment)
Load1997
- 2001年欧洲智能技术网络组织了一次电力负荷预测竞赛，提供了历史负荷数据、节假日数据和气象数据，对学习负荷预测有帮助(In 2001, the European intelligent technology network organized a power load forecasting competition, providing historical load data, holiday data and meteorological data, which is helpful for
061751110825864
- 用遗传算法来实现含有各种能源形式 的der单元的能量调度，实现经济化。含光电。风电等多种单元。 该算法中首先根据各种DER单元的模型列出了各个单元的经济成本公式，包含诸如运行成本、维护成本以及环境等各种费用。然后根据一天的负荷预测图，在不同的控制策略下进行经济调度，计算出各个单元 最佳出力，即输出功率。 目标函数就是成本最低，限制条件包括功率平衡，以及各个单元的输出限制等 "(The genetic algorithm is used to realize the energy dis
matlab code
- MIDAS实现（混频数据模型），例如用日度数据预测月度数据(Midas implementation (mixing data model), such as forecasting monthly data with daily data)
股票市场预测
- LSTM 作为预测模型，使用贝叶斯优化算法来实现股票预测的功能(LSTM as a prediction model, uses Bayesian optimization algorithm to achieve the function of stock forecasting)
BP负荷预测
- 利用神经网络算法进行负荷的预测，选取若干天的预测数据，来预测接下来几天的负荷数据(The neural network algorithm is used to forecast the load. The forecasting data of several days are selected to forecast the load data of the next few days)