基于贝叶斯优化的CNN+LSTM的混合模型超短期负荷预测
尹雪琴
摘要：随着时代的发展，运用模型预测用电量能有效预测未来所需电量从而能够节
约电力资源，常见的预测方法有利用卷积神经网络(convolutional neural
network, CNN)和长短期记忆网络(long-short term memory, LSTM)。本文将基于
某地区某一时间段的负荷值，利用基于贝叶斯优化的CNN模型、LSTM模型和CNN+LSTM
模型分别进行预测分析。实验结果表明CNN+LSTM的混合模型超短期负荷预测的平均
绝对比例误差(mean absolute percentage error, MAPE)、均方根误差(root
mean squared error, RMSE)、平均绝对值误差(mean absolute error, MAE)、平
均偏差(mean bias error, MBE)比CNN、LSTM模型单独预测的要低，预测精度更高
，并且克服了CNN的池化层会丢失一定信息的缺点及LSTM的时间序列跨度大会出现耗
时偏多等问题。
关键词：    超短期负荷预测;CNN;LSTM;CNN+LSTM混合模型;



基于视觉感知理论的室内艺术设计图像细节增强方法
陈洋平
摘要：当前的增强技术在主观评价中存在灰度分布不均的问题，然而，从客观角度
来看，尽管增强过程耗时较长，它却能够有效地为图像背景增添层次感。本文研究
基于视觉感知理论的室内艺术设计图像细节增强方法。首先，根据色彩语义来分析
室内艺术设计图相应的风格，选择对应的颜色空间。其次，运用Q分析法选择最佳视
点位置，计算离心率，判断偏离背景结构中心程度拟定设计点。再次，运用空间域
变换的方法按照设计规则处理图像中的不同像素点，重新通过原始图像的灰度值来
增加图像的对比度。最后，将处理后的图像进行分段性的变换，使得增强后的灰度
级范围映射在[0,255]范围内，从而完成细节增强。实验结果表明，在主观方面，图
2(b)在右上方矩形框中的亮度有了一定程度的提升，清晰体现出目标物体的纹理和
形状，灰度更加集中，细节得到增强；在客观方面，实验组的增强时间均为4s,提升
了处理室内艺术设计图像的效率，降低了滤波复杂度，达到增强室内图像细节的效
果。
关键词：    视觉感知理论;室内艺术;图像特征提取;



基于人工免疫算法的网络安全风险检测系统研究
童炜华
摘要：为实现对网络安全风险的精确化、高效化检测，本文运用人工免疫算法，设
计一种先进、新型的网络安全风险检测系统。首先，介绍人工免疫算法、网络安全
风险检测相关理论知识。其次，从系统架构设计、网络安全风险检测模型构建、人
工免疫算法应用、系统功能设计四个方面入手，完成系统设计。最后，验证系统性
能。结果表明：在人工免疫算法的应用背景下，本文系统所对应的检测风险值与理
论值之间存在较小的容偏，能够获得较高的检出率，系统检出率高达97.60%以上，
有效地提高了风险检测效率和效果。
关键词：    人工免疫算法;网络安全;风险检测系统;



信息记录材料. 2024,25(04)