一种基于超参数优化的CNN-BiLSTM串行神经网络电费预测方法

本申请属于电费收入预测领域，特别是涉及一种基于超参数优化的CNN‑BiLSTM串行神经网络电费预测方法。通过CNN网络的卷积聚合操作提取电费数据的空间特征，通过BiLSTM网络从过去和未来双向提取电费数据的时序特征，实现时间和空间上对数据性质的深度挖掘分析；采用基于高斯过程的贝叶斯算法进行超参数优化，能够对未知阶数的复杂映射关系进行拟合，得到需求范围内的模型参数最优解，有效减少了反复调参产生的时间成本，解决了由于参数问题导致的预测精度不稳定，显著增强了预测模型的泛化能力。