BriefGPT - AI 论文速递
·
基于大数据和神经网络的智能电网背景下的城市电力消费预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文研究了利用新闻中的社会信息来理解能源需求行为，并通过实验分析从国家新闻中提取的预测特征对电力需求预测的影响。实验结果表明最佳模型可降低预测误差约4%至11%。最佳方法包括识别关键词、主题分布和全球词嵌入。这为电力需求分析带来了新的视角，并确认了利用非结构化信息改进预测的可行性，具有潜在的社会和经济影响。
🎯
关键要点
- 研究如何利用新闻中的社会信息理解能源需求行为。
- 通过实验分析国家新闻提取的预测特征对电力需求预测的影响。
- 最佳模型可降低预测误差约4%至11%。
- 最佳方法包括识别关键词、主题分布和全球词嵌入。
- 为电力需求分析提供新的视角，确认利用非结构化信息改进预测的可行性。
- 具有潜在的社会和经济影响。
➡️
