《机电工程技术》网络首发论文抢先看（2025年8月12日）

本文针对非线性、长序列依赖及时序特征交互问题，提出了一种名为“VMD-DSC-BILSTM”的组合预测算法。该算法通过能量阈值动态确定变分模态分解（VMD）的最优模态数，结合滑动窗口实现时序数据的时变分解，同步捕捉全局趋势与局部异常特征。实验结果表明，该算法在澳大利亚某地区电力负荷数据集上的预测精度显著优于单一BILSTM模型和VMD+LSTM模型，均方根误差（RMSE）和平均绝对误差（MAE）均显著降低，决定系数(R2)达0.9968。动态窗口与并行化策略有效改善了非平稳信号处理效率，验证了算法在时序预测中的优越性。