摘要: 煤炭是现代能源体系建设中的压舱石与稳定器，考虑到能源电力安全保供的电煤库存预警需求，提出一种基于卷积神经网络与长短期记忆神经网络深度融合的短期电煤存量预测方法，兼顾CNN和LSTM网络模型优势，实现火电企业电煤库存量的预测。CNN-LSTM电煤存量预测模型充分利用CNN算法多源数据潜在规律深度提取优势，挖掘整合高质量数据特征信息作为LSTM模型输入值；发挥LSTM算法长短期时序依赖关系建模能力，构建高精度复杂非线性时序映射关联，有效提升了电煤存量的预测精度。经过火电企业数据测试表明，CNN-LSTM模型，采用2层CNN卷积、2×2卷积核、16和32个卷积核数、2次池化、1次扁平操作、3层LSTM网络设计，通过前向和反向传播2个环节进行模型训练，实现全连接层输出预测结果，RMSE与MAPE预测误差约为0.903、2.74%,相比Elman和LSTM网络传统预测法，预测曲线与实际变化趋势高度一致，预测精度与稳定性最好，精度提升20%～47%。