【摘要】结合长短期记忆网络（ｌｏｎｇ ｓｈｏｒｔ⁃ｔｅｒｍ ｍｅｍｏｒｙ，ＬＳＴＭ）和 Ｄｒｏｐｏｕｔ 正则化技术，本研究提出了一种基于大数据分析的电网负荷预测方法。 首先，介绍了电力负荷预测的背景和意义，阐述了利用大数据分析技术进行电力负荷预测的重要性。 其次，详细介绍了ＬＳＴＭ 模型的基本原理以及 Ｄｒｏｐｏｕｔ 正则化方法的优化原理。 最后，使用 ＵＣＩ（ ｕｎｉｖｅｒｓｉｔｙ ｏｆ ｃａｌｉｆｏｒｎｉａ， ｉｒｖｉｎｅ）电力负荷数据集对传统ＬＳＴＭ 和基于 Ｄｒｏｐｏｕｔ 的 ＬＳＴＭ 方法进行了对比实验，并对实验结果进行了分析和讨论。 实验结果表明：相较于传统 ＬＳＴＭ 方法，提出的基于 Ｄｒｏｐｏｕｔ 的 ＬＳＴＭ 方法在电力负荷预测任务上表现出显著的优势，能够取得更高的预测准确性和稳定性。