-
公开(公告)号：CN117290112A
公开(公告)日：2023-12-26
申请号：CN202311465925.9
申请日：2023-11-07
Applicant: 福州大学
IPC: G06F9/50 , G06N3/0442 , G06N3/08
Abstract: 本发明提出一种基于边缘环境的深度模型负载分布预测方法，由深度自回归循环神经网络构成的边缘负载预测方法（Deep Auto‑regressive Recurrent networks in Edge Load Prediction，DeepAR），该方法可以进行多变量时序数据预测且进行的是概率分布预测。该方法通过学习边缘负载数据的重要表征和复杂的边缘负载模式，从而进行精确的概率分布预测。本发明通过对真实的负载数据进行训练学习，并对比仿真实验对DeepAR方法的准确性进行了分析验证。通过与两种基准方法进行对比实验发现，所提出的DeepAR方法在不同预测长度下都可以取得更好的更稳定的性能指标，有着更好的预测精度。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
