本文提出了一种基于增强型LSTM神经网络(A-LSTM)的数字预失真线性化模型，以更好的补偿5G宽带射频功放的动态非线性特性。模型的输入层在引入延迟抽头模拟功放线性记忆效应的基础上，对每一个延迟抽头进行非线性级数展开用于补偿功放的非线性记忆效应，从而更好地抑制功放的动态非线性失真导致的带内失真以及带外频谱扩展等问题。为验证模型的有效性，本文采用100MHz的5GNR信号作为测试信号，对一个中心频率为2.6GHz的5G射频功放进行数字预失真线性化实验。实验结果表明，基于增强型LSTM神经网络数字预失真器的带外抑制可达16dB,相比于其他几种预失真器展现出更好的线性化效果，验证了基于增强型LSTM神经网络数字预失真器的有效性。

智能电网的发展促进电力行业发生巨大变革，在智能电表及大数据技术的应用下，我国对于用电量的预测结果也越来越准确。本研究尝试建立LSTM神经网络分析模型，为用电量预测提供一种思路，结果表明这一模型的准确性良好，值得推广。