Short-term Load Forecasting Using a Hybrid Model Based on ARIMA and LSTM论文内容

本论文提出了一种基于ARIMA和LSTM混合模型的短期负荷预测方法。该模型结合了ARIMA模型的时间序列分析和LSTM模型的长短期记忆能力，提高了预测精度和稳定性。

首先，使用ARIMA模型对负荷数据进行时间序列分析，确定最优模型参数。然后，将ARIMA模型的预测结果作为LSTM模型的输入，利用LSTM模型的长短期记忆能力对数据进行进一步的预测。最后，将两个模型的预测结果进行加权平均，得到最终的负荷预测结果。

实验结果表明，该混合模型能够显著提高负荷预测的准确性和稳定性，比单独使用ARIMA或LSTM模型的预测效果更好。因此，该方法在短期负荷预测方面具有广泛应用前景。