基于多周期趋势分解和两阶段注意力LSTM的短期负荷预测
来源：计算机应用与软件杂志2025年第11期北京时间：
作者：黄冬梅, 黄祖衡, 胡安铎, 时帅, 王晓亮
摘要：为了提高电力负荷预测的准确度，提出一种基于多周期趋势分解和两阶段注意力LSTM的短期负荷预测新方法。利用多周期趋势分解算法将原始负荷序列分解为趋势分量、日周期分量、周周期分量和剩余分量；引入特征和时间注意力机制，建立两阶段注意力LSTM负荷预测模型，从特征和时间两个维度提取潜在信息，并采用该模型对各分量进行预测，将各分量预测结果叠加，得到最终负荷预测值。实验结果表明，该模型相比于其他预测模型具有更高的预测精度和稳定性。
关键词：短期负荷预测, 多周期趋势分解, 注意力机制, 长短期记忆神经网络
