基于多特征融合的改进型LSTM地铁负荷预测方法及装置

本发明提供一种基于多特征融合的改进型LSTM地铁负荷预测方法及装置，所述方法包括：获取多源异构数据集，并对多源异构数据集进行预处理，得到标准化特征序列，对标准化特征序列中的历史负荷时间特征与外部特征分别施加注意力机制，获得对应的加权特征向量并拼接，得到融合特征然后进行异常鲁棒性优化，得到鲁棒融合特征并输入细粒度LSTM子网络，获得分钟级隐藏状态，然后对分钟级隐藏状态按预设间隔下采样得到小时级序列，输入粗粒度LSTM子网络，获得周期级隐藏状态，从而将分钟级隐藏状态与周期级隐藏状态进行加权融合，经全连接输出归一化负荷预测值并反归一化，得到实际负荷预测结果，显著提升地铁供电负荷预测的精度与可靠性。