一种利用GAT-BILSTM&CNN-LSTM模型提高多目标误差均衡度的方法

一种利用GAT‑BILSTM&CNN‑LSTM模型提高多目标误差均衡度的方法，包括：获取目标区域的负载数据和气温数据；对负载数据和气温数据进行数据清洗；对数据清洗后的数据进行特征工程处理得到历史数据；设置GAT‑BILSTM算法网络和设置CNN‑LSTM算法网络；模型组合：使用GAT‑BILSTM对历史数据进行训练，算出目标区域负载率预测变量的每个预测误差，再算出平均误差，其次将超出平均误差的负载率预测变量与CNN‑LSTM的结果进行组合，组合的方式是采用误差倒数法进行加权，剩下的负载率预测变量则保持不变输出结果。本发明可解决多目标预测模型中各个目标预测误差的相差过大的问题，同时尽可能减小整体误差。