混合深度学习短期预测模型、方法、存储介质和计算设备

本发明公开了一种混合深度学习短期预测模型、方法、存储介质和计算设备，包括采集近期负荷数据，划分训练集和预测集。首先利用SVD算法对数据进行分解，提取有效信息；其次，采用VMD分解算法对所得残差进行二次分解，减小序列波动性和随机性；再次，将分解获得的分量分别使用LSTM和TCN模型预测；另外，在LSTM和TCN训练时，使用遗传算法寻找模型中的最优超参数；最后，将每个成分的预测值相加，得到预测结果。本发明基于电力负荷数据，依次对数据进行降维、分解，有效组合多种算法，训练LSTM和TCN模型，弥补了单模型的性能缺陷，使模型获得更高的预测精度。