期刊文献+
共找到78篇文章
< 1 2 4 >
每页显示 20 50 100
采用PSO-LSTM联合算法的MEMS陀螺仪温度误差补偿方法
1
作者 夏瑞阳 肖承翔 潘康华 《制造业自动化》 2024年第5期95-102,共8页
MEMS陀螺仪是一种用来测量角速度的惯性器件。是一种具有成本低、体积小、性能好、可靠性好等优点的微机械陀螺仪,可广泛应用于微惯性导航系统、军事、汽车、消费电子等领域。然而,由于MEMS陀螺仪的材质特性,其输出数据受温度影响较大,... MEMS陀螺仪是一种用来测量角速度的惯性器件。是一种具有成本低、体积小、性能好、可靠性好等优点的微机械陀螺仪,可广泛应用于微惯性导航系统、军事、汽车、消费电子等领域。然而,由于MEMS陀螺仪的材质特性,其输出数据受温度影响较大,这一问题限制了其在工业生产领域的进一步应用。通过对MEMS陀螺仪温度误差补偿模型中所用算法的对比分析,结合用于优化人工神经网络的PSO粒子群优化算法提出了一种采用PSO-LSTM联合人工神经网络算法的MEMS陀螺仪温度误差补偿方法,并通过多种数据检测函数进行了仿真对比实验,基于RMSE和MAE两项参数验证了优化后算法的有效性,以期为MEMS陀螺仪工作过程中的温度误差补偿模块设计提供新思路。 展开更多
关键词 MEMS陀螺仪 粒子群(PSO)算法 pso-lstm联合人工神经网络算法
下载PDF
基于PSO-LSTM的垂直湖泊剖面溶解氧质量浓度预测 被引量:1
2
作者 周夕雨 《科技与创新》 2024年第6期132-133,136,共3页
溶解氧(Dissolved Oxygen,DO)是水体中一个至关重要的环境指标,对水生生物的生存和发展具有重要的影响。提高预测溶解氧的精确性可以在管理水质污染方面发挥预警作用,及时发现潜在的污染事件,并采取预防措施将影响降到最低。提出了一种... 溶解氧(Dissolved Oxygen,DO)是水体中一个至关重要的环境指标,对水生生物的生存和发展具有重要的影响。提高预测溶解氧的精确性可以在管理水质污染方面发挥预警作用,及时发现潜在的污染事件,并采取预防措施将影响降到最低。提出了一种粒子群算法(Particle Swarm Optimization,PSO)优化的长短期记忆(Long Short-Term Memory,LSTM)模型,简称“PSO-LSTM”,并采用该方法来预测美国德克萨斯州北部伊格尔山湖(Eagle Mountain Lake,EML)的湖泊溶解氧的时空变化。实验结果表明,与传统长短期记忆模型方法相比,PSO-LSTM预测效果更好。 展开更多
关键词 溶解氧 pso-lstm 多模型对比 机器学习
下载PDF
基于PSO-LSTM的重载铁路车轨桥系统随机振动响应预测方法
3
作者 毛建锋 李铮 +2 位作者 伍军 余志武 胡连军 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3661-3671,共11页
在车桥系统随机振动分析中,随机动力响应是评价行车安全性的关键因素之一,而现有的响应计算方法存在耗时长、成本高的问题。能够快速准确预测车-轨-桥系统的动力响应对重载铁路桥梁的状态评估和运维养维具有重要意义。本文提出了一种基... 在车桥系统随机振动分析中,随机动力响应是评价行车安全性的关键因素之一,而现有的响应计算方法存在耗时长、成本高的问题。能够快速准确预测车-轨-桥系统的动力响应对重载铁路桥梁的状态评估和运维养维具有重要意义。本文提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)长短期记忆(Long Short-term Memory,LSTM)神经网络模型的重载车桥系统随机振动响应预测方法。该方法以车桥随机参数与轨道随机不平顺激励为输入,以桥梁动力响应为输出构造代理模型。首先,基于商业软件MATLAB平台构建PSO-LSTM网络模型;其次,通过建立的车-轨-桥系统随机振动分析模型计算初始样本集对应的随机动态响应,并进行模型训练,同时利用PSO算法优化LSTM结构参数;最后,使用训练好的PSO-LSTM模型对桥梁动态响应进行预测。为了验证本算法的优越性和鲁棒性,以朔黄重载铁路实测数据为例,对比本算法与BP(Back Propagation)神经网络、GRU(Gated Recurrent Unit)神经网络和LSTM神经网络的预测效率,并讨论不同车速下的预测情况,开展本模型与实测数据及有限元分析数据的对比分析。研究结果表明:在PSO优化下,LSTM模型预测结果得到一定的改善,PSO-LSTM模型拟合相关性系数可以达到0.97,其他评价误差值也均小于BP神经网络、GRU神经网络模型,本文模型可更高效准确地预测桥梁随机动力响应,可为进一步发展车-轨-桥系统随机振动响应预测理论提供技术支持。 展开更多
关键词 随机振动 响应预测 PSO算法 LSTM神经网络 车轨桥系统
下载PDF
基于PSO-LSTM的区域二手房价预测方法研究
4
作者 周昌堉 李长云 《现代信息科技》 2024年第5期102-105,110,共5页
探究房价趋势是一个高度复杂且充满非线性特征的研究难题。针对目前二手房价预测精度低的问题,文章提出了基于PSO-LSTM的区域二手房价预测方法。粒子群算法通过对LSTM模型进行优化,找到最优的参数组带入PSO-LSTM模型中,进而得到更符合... 探究房价趋势是一个高度复杂且充满非线性特征的研究难题。针对目前二手房价预测精度低的问题,文章提出了基于PSO-LSTM的区域二手房价预测方法。粒子群算法通过对LSTM模型进行优化,找到最优的参数组带入PSO-LSTM模型中,进而得到更符合实际情况的预测结果。文章通过湖南省株洲市天元区的二手房价时间序列数据集对PSO-LSTM模型进行训练,并与LSTM神经网络模型进行了对照分析。实验结果显示,PSO-LSTM模型对于区域二手房价的预测精度更优。 展开更多
关键词 区域二手房价预测 时间序列 pso-lstm模型 LSTM
下载PDF
基于PSO-LSTM和模糊控制的盾构机转速智能控制方法
5
作者 柳世鸣 凌静秀 +1 位作者 赵健 张浩 《机电技术》 2024年第5期1-6,116,共7页
文章针对盾构隧道施工中土仓压力的控制问题,提出了一种基于PSO-LSTM深度神经网络和模糊控制的智能化控制方法。基于盾构现场数据,利用PSO-LSTM神经网络预测土仓压力,处理复杂的时序数据;利用WM算法从历史数据中提取规则并建立模糊规则... 文章针对盾构隧道施工中土仓压力的控制问题,提出了一种基于PSO-LSTM深度神经网络和模糊控制的智能化控制方法。基于盾构现场数据,利用PSO-LSTM神经网络预测土仓压力,处理复杂的时序数据;利用WM算法从历史数据中提取规则并建立模糊规则库,实现了土仓压力值与螺旋机转速之间的模糊映射;最后设计了一套基于FOC控制算法的智能化控制装置,通过控制盾构操控室螺旋机转速旋钮的方式控制土仓压力。结果表明:平均绝对误差、均方误差分别为0.015 rpm和0.392%,决定系数R~2为0.95,预测精度和控制效果较高,为盾构隧道施工中的土仓压力智能化控制提供了新思路和技术手段。 展开更多
关键词 pso-lstm 土仓压力 模糊控制 盾构机转速 智能控制
下载PDF
基于PSO-LSTM模型的地热储层温度预测研究 被引量:1
6
作者 杨艺 赵惊涛 付国强 《矿业科学学报》 CSCD 北大核心 2024年第4期538-548,共11页
预测不同深度地热储层的温度是确定热储的热能储存量、热输出能力和可持续利用期限等参数的关键。针对不同约束条件下的热储温度预测问题,建立了一种基于粒子群优化算法(PSO)的长短时记忆网络(LSTM)的热储温度预测模型,对共和盆地恰卜... 预测不同深度地热储层的温度是确定热储的热能储存量、热输出能力和可持续利用期限等参数的关键。针对不同约束条件下的热储温度预测问题,建立了一种基于粒子群优化算法(PSO)的长短时记忆网络(LSTM)的热储温度预测模型,对共和盆地恰卜恰地区地热井进行了预测,并通过与BP模型、LSTM模型的预测结果对比,验证该模型的有效性。结果表明,该模型预测结果的均方根误差(RMSE)、平均绝对百分误差(MAPE)、平均绝对偏差(MAD)值与BP、LSTM模型相比均最小,且RMSE最小值仅为1.192。该模型预测值与真实值的相关性系数为0.929,说明该模型的预测效果好,能实现地热系统储层温度的高效预测,为地热系统高效长久开发提供科学依据。 展开更多
关键词 地热系统 粒子群优化算法 长短时记忆网络模型 温度预测
下载PDF
基于ARIMA-PSO-LSTM的太阳能预测 被引量:1
7
作者 沈露露 黄晋浩 +1 位作者 花敏 周雯 《无线电通信技术》 北大核心 2024年第4期771-778,共8页
太阳能是新兴的可再生能源之一,可将其转化为电能以供无线传感器网络(Wireless Sensor Networks, WSN)使用,对太阳能进行预测可以有效地利用能量,从而达到节省能源、维持网络持续稳定运行的目的。提出了一种新的组合预测模型来预测太阳... 太阳能是新兴的可再生能源之一,可将其转化为电能以供无线传感器网络(Wireless Sensor Networks, WSN)使用,对太阳能进行预测可以有效地利用能量,从而达到节省能源、维持网络持续稳定运行的目的。提出了一种新的组合预测模型来预测太阳能辐照强度,其中改进的粒子群优化(Particle Swarm Optimization, PSO)算法被引入寻找长短期记忆(Long Short Term Memory, LSTM)神经网络模型的最优参数。选取自回归差分移动平均(Auto-Regressive Integrated Moving Average, ARIMA)模型来预测太阳辐照数据中的线性分量;采用PSO算法来优化LSTM神经网络模型的超参数,有助于提高模型预测的精度和鲁棒性;采用优化的LSTM神经网络模型来预测数据中的非线性分量;最后将两个模型的预测结果进行叠加。实验结果表明,新的组合模型比ARIMA、LSTM等模型,具有更高的预测精度。 展开更多
关键词 自回归差分移动平均模型 长短期记忆神经网络模型 粒子群优化算法 能量预测算法
下载PDF
基于IVMD-PSO-LSTM模型的短期风速预测
8
作者 魏来 谢义超 喻敏 《计算机与数字工程》 2024年第6期1708-1713,共6页
原始的风速序列是一种非线性和不平稳的风速序列,直接针对风速序列进行建模和预测精度不高。论文提出一种基于改进变分模态分解(Improved Variational Mode Decomposition,IVMD)的粒子群优化长短期记忆模型(Particle Swarm Optimization... 原始的风速序列是一种非线性和不平稳的风速序列,直接针对风速序列进行建模和预测精度不高。论文提出一种基于改进变分模态分解(Improved Variational Mode Decomposition,IVMD)的粒子群优化长短期记忆模型(Particle Swarm Optimization-Long Short-Term Memory,PSO-LSTM)网络相结合的方法对短期风速序列进行预测。IVMD算法能够自适应地确定分解层数,从而将原始风速序列转化为若干个不同频率、平稳的子序列,并具有良好的完备性。论文首先通过计算不同分解层数下的各个子序列的模糊熵值来为VMD算法选取合适的分解层数,然后采用VMD算法对原始风速序列进行计算分解得到一系列的平稳子序列,再通过对LSTM模型进行PSO算法优化来寻找最优参数,对子序列建立优化后的组合模型来进行预测,最后对子序列预测结果加总得到最终的预测结果。仿真结果表明,论文提出的IVMD-PSO-LSTM混合模型相较于BP、ARMA、LSTM单一模型预测精度更高,符合现有的风速预测标准。 展开更多
关键词 VMD 模糊熵 PSO LSTM 风速预测
下载PDF
基于PSO-LSTM的短时交通流量预测网站设计 被引量:1
9
作者 王宁 成利敏 +1 位作者 甄景涛 段晓霞 《廊坊师范学院学报(自然科学版)》 2024年第1期29-32,共4页
短时交通流量预测是智能交通系统中的重要环节,选用在短时交通流量预测方面表现出色的LSTM神经网络,并利用PSO算法优化LSTM神经网络模型。实验结果表明,与传统LSTM模型相比,所构建的PSO-LSTM模型对未来5分钟和10分钟两种短时交通流量预... 短时交通流量预测是智能交通系统中的重要环节,选用在短时交通流量预测方面表现出色的LSTM神经网络,并利用PSO算法优化LSTM神经网络模型。实验结果表明,与传统LSTM模型相比,所构建的PSO-LSTM模型对未来5分钟和10分钟两种短时交通流量预测,达到了更高的准确率。在此基础上,设计了一个交通流量预测网站更好地展示了预测结果,也方便用户随时查询。 展开更多
关键词 智能交通系统 短时交通流量预测 LSTM神经网络 PSO算法 交通流量预测网站
下载PDF
基于CEEMDAN-VMD-PSO-LSTM模型的桥梁挠度预测 被引量:2
10
作者 郭永刚 张美霞 +2 位作者 王凯 刘立明 陈卫明 《安全与环境工程》 CAS CSCD 北大核心 2024年第3期150-159,共10页
针对桥梁运行阶段的健康状态监测,构建了CEEMDAN-VMD-PSO-LSTM模型对桥梁挠度进行预测。该模型主要分为二次模态分解平稳化、粒子群优化(PSO)算法和长短期记忆(LSTM)网络预测三大模块,共有5个步骤:①利用自适应噪声完备集合经验模态分解... 针对桥梁运行阶段的健康状态监测,构建了CEEMDAN-VMD-PSO-LSTM模型对桥梁挠度进行预测。该模型主要分为二次模态分解平稳化、粒子群优化(PSO)算法和长短期记忆(LSTM)网络预测三大模块,共有5个步骤:①利用自适应噪声完备集合经验模态分解(CEEMDAN)算法对桥梁原始挠度序列进行初次模态分解,分解为若干本征模态分解函数(IMF);②使用样本熵(SampEn/SE)计算各IMF分量的复杂度,并通过K-means聚类为高频、中频和低频3个IMF分量;③通过变分模态分解(VMD)算法对高频IMF分量进行二次模态分解;④分别对各个IMF分量通过PSO算法得出LSTM最优超参数组合;⑤将各最优超参数分别代入LSTM模型进行训练,并将各预测结果融合为最终的预测结果。结果表明:该预测方法具有最高的预测精度,为智慧桥梁的安全监测监控提供了新的技术方法。 展开更多
关键词 桥梁挠度预测 自适应噪声完备集合经验模态分解 变分模态分解 样本熵 K-MEANS聚类 粒子群优化 长短期记忆网络
下载PDF
基于PSO-LSTM模型的上肢动作识别方法
11
作者 常钰坤 曹港生 +2 位作者 马振九 康高峰 夏春明 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第5期760-769,共10页
针对上肢肌音信号(Mechanomyography,MMG)动作识别准确率不高的问题,提出一种基于粒子群算法(PSO)与长短期记忆网络相结合的混合模型(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)的动作识别方法。采用5通道传感器对... 针对上肢肌音信号(Mechanomyography,MMG)动作识别准确率不高的问题,提出一种基于粒子群算法(PSO)与长短期记忆网络相结合的混合模型(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)的动作识别方法。采用5通道传感器对受试者进行上肢肌音信号采集,使用巴特沃斯滤波(Butterworth Filter)等方法对肌音信号进行预处理,并进行特征提取;构建基于PSO-LSTM的上肢肌音信号识别模型并进行模型训练和测试;最后从不同测度对比了长短期记忆(LSTM)模型、麻雀搜索算法(Sparrow Search Algorithm,SSA)优化的LSTM模型(Sparrow Search Algorithm-Long Short Term Memory, SSA-LSTM)以及PSO-LSTM模型的实验结果。结果表明,PSO-LSTM模型的准确度均高于LSTM、 SSA-LSTM模型,达到96.9%左右,在迭代损失、迭代速度等方面也优于LSTM、SSA-LSTM模型,从而证明了该模型用于上肢肌音信号识别的优越性。 展开更多
关键词 肌音信号 动作识别 粒子群算法 长短期记忆 特征提取
下载PDF
PSO-LSTM-TMPH模型在水库调蓄流域径流模拟中的应用
12
作者 陈润庭 林泳恩 +3 位作者 林泽群 张智 庄胜杰 王大刚 《中国农村水利水电》 北大核心 2024年第5期191-199,214,共10页
水库的建设和运行使得水库下游流量发生了显著改变,为了在月径流模拟中充分考虑水库的调蓄作用,选择东江流域作为典型流域,使用粒子群算法优化的长短期神经网络(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)对东江流... 水库的建设和运行使得水库下游流量发生了显著改变,为了在月径流模拟中充分考虑水库的调蓄作用,选择东江流域作为典型流域,使用粒子群算法优化的长短期神经网络(Particle Swarm Optimization-Long Short Term Memory,PSO-LSTM)对东江流域的3个多功能水库枫树坝、新丰江、白盆珠水库的出流进行了模拟,并与传统的水库模型Level Pool Scheme(LPS)进行对比;使用三参数月度水文模型(Three-Parameter Monthly Hydrological Model Based on the Proportionality Hypothesis,TMPH)进行水库入流和区间来水模拟,与上述两种水库出流模型结合分别形成PSO-LSTM-TMPH和LPS-TMPH对东江流域重要站点龙川、河源、岭下、博罗进行预见期为一个月的径流模拟。结果表明:①PSO-LSTM在三大水库的模拟中效果均好于LPS,尤其在新丰江水库出流模拟中,在验证期的纳什效率系数(Nash-Sutcliffe Efficiency,NSE)、均方根误差(Root Mean Square Error,RMSE)分别为0.59、55.59 m^(3)/s,相比LPS提高了0.22,降低了17.01 m^(3)/s,说明该模型可以很好地捕捉多年调节水库复杂的水库出流规则;②PSO-LSTM-TMPH模拟龙川站、河源站、岭下站、博罗站径流的NSE为0.87,0.86,0.91,0.93,相比LPS-TMPH,NSE提高了0.09、0.21、0.07、0.03;③在测试期内,PSO-LSTM-TMPH水库出流模拟效果仍然较好,相比训练期、验证期模拟效果差异小,说明模型的模型泛化能力较强。研究建立的PSOLSTM-TMPH混合模型可以结合深度学习和物理模型各自的优势,适用于人类活动干扰下的径流模拟,可为优化水资源利用、实施干旱调度等提供技术支撑。 展开更多
关键词 TMPH模型 LSTM PSO 水库调蓄 径流模拟 东江流域
下载PDF
基于PSO-LSTM网络模型的建筑碳排放峰值预测 被引量:20
13
作者 唐晓灵 刘嘉敏 《科技管理研究》 CSSCI 北大核心 2023年第1期191-198,共8页
在对BP神经网络、LSTM网络和PSO-LSTM模型在碳排放预测方面进行对比选优的基础上,通过训练好的PSO-LSTM模型在低碳、基准、高碳3种情景下,分别对建筑碳排放峰值进行预测。结果表明,低碳、基准、高碳3种情景的建筑碳排放峰值分别为226 77... 在对BP神经网络、LSTM网络和PSO-LSTM模型在碳排放预测方面进行对比选优的基础上,通过训练好的PSO-LSTM模型在低碳、基准、高碳3种情景下,分别对建筑碳排放峰值进行预测。结果表明,低碳、基准、高碳3种情景的建筑碳排放峰值分别为226 774.56万吨、239 738.11万吨和253 379.47万吨;达峰时间分别为2029年、2032年和2033年。可见,在当前社会发展状况下,仍难在2030年前实现建筑领域的碳达峰,还需采取相应的低碳措施来推进目标的实现。 展开更多
关键词 建筑碳排放 pso-lstm 碳达峰 情景分析法
下载PDF
基于PSO-LSTM网络的水电机组振动故障诊断方法
14
作者 罗玮 陈媛 《机械设计与制造工程》 2024年第9期94-98,共5页
针对水电机组振动故障诊断准确率低的问题,提出一种基于粒子群优化(PSO)算法优化长短期记忆(LSTM)网络的水电机组振动故障诊断方法。首先采用PSO算法对LSTM网络层节点数与dropout值进行优化,然后采用优化的LSTM网络对水电机组振动故障... 针对水电机组振动故障诊断准确率低的问题,提出一种基于粒子群优化(PSO)算法优化长短期记忆(LSTM)网络的水电机组振动故障诊断方法。首先采用PSO算法对LSTM网络层节点数与dropout值进行优化,然后采用优化的LSTM网络对水电机组振动故障诊断。结果表明,该方法可准确诊断不同类型的水电机组故障,平均诊断准确率达99.55%,相较于标准的LSTM网络和PSO-SVM的故障诊断方法,该方法具有更快的收敛速度和更高的识别准确率,可用于实际水电机组振动的故障诊断。 展开更多
关键词 水电机组 故障诊断 神经网络 长短期记忆网络 粒子群优化算法
下载PDF
基于SSA-PSO-LSTM模型的电离层TEC预报
15
作者 郑泽辰 黄志标 《北京测绘》 2024年第5期786-792,共7页
受多种因素影响,电离层电子总含量(TEC)时间序列具有非线性、非平稳性特征,为提升长短期记忆(LSTM)神经网络模型在电离层TEC预报中的精度,本文在该神经网络模型的基础上,引入奇异谱分析(SSA)与粒子群优化(PSO)算法,构建了新的SSA-PSO-L... 受多种因素影响,电离层电子总含量(TEC)时间序列具有非线性、非平稳性特征,为提升长短期记忆(LSTM)神经网络模型在电离层TEC预报中的精度,本文在该神经网络模型的基础上,引入奇异谱分析(SSA)与粒子群优化(PSO)算法,构建了新的SSA-PSO-LSTM模型。一方面,利用了SSA对TEC时间序列进行数据预处理;另一方面,利用粒子群优化算法改进LSTM神经网络模型参数。选用欧洲地球参考框架(EUREF)提供的格网点电离层TEC时间序列数据进行实验,实验结果表明,在磁平静期与磁暴期,该组合模型的TEC预报结果均方根误差分别为0.28个总电子含量单位(TECu)、0.83个TECu,平均相对精度分别为96.35%、91.33%,均优于对比模型,验证了本文提出的组合预报模型的有效性与优越性。平均相对精度分别为96.35%、91.33%,均优于对比模型,验证了本文提出的组合预报模型的有效性与优越性。 展开更多
关键词 电离层电子总含量(TEC) 奇异谱分析(SSA) 粒子群优化(PSO) LSTM神经网络模型 预报精度
下载PDF
PSO-LSTM优化的癫痫预测和分类研究
16
作者 马乐蓉 李珊珊 郭帅 《天津职业技术师范大学学报》 2024年第3期21-26,共6页
针对癫痫的传统药物治疗方法可能产生耐药性和手术治疗的非通用性等问题,提出一种基于计算模型的癫痫预测和分类算法。该算法从目前公认的癫痫发作机制的研究出发,采用计算模型生成具有特异性的癫痫数据,采用粒子群优化(particle swarm ... 针对癫痫的传统药物治疗方法可能产生耐药性和手术治疗的非通用性等问题,提出一种基于计算模型的癫痫预测和分类算法。该算法从目前公认的癫痫发作机制的研究出发,采用计算模型生成具有特异性的癫痫数据,采用粒子群优化(particle swarm optimization,PSO)-长短期记忆网络(long short-term memory networks,LSTM)对癫痫进行分类和预测。PSO-LSTM算法突破参数搜索和时序特征捕捉的限制,在分析模拟癫痫不同数据特点的基础上,利用LSTM模型预测癫痫发作进程,并采用PSO算法优化LSTM模型参数,达到提高模型精度的目的。采用PSO-LSTM算法对癫痫发作进行分类和预测,并与传统算法进行对比,结果表明:该算法比传统算法在预测和分类癫痫方面具有更高的准确性和鲁棒性。 展开更多
关键词 癫痫预测和分类 特异性 粒子群优化-长短期记忆网络
下载PDF
一种基于VMD-PSO-LSTM的血糖预测方法
17
作者 童梦 丁国荣 +1 位作者 余楠 王文波 《计算机与数字工程》 2023年第6期1439-1443,1449,共6页
为了精确预测非线性、非平稳性的血糖浓度时间序列,文章提出一种基于变分模态分解和粒子群优化长短时记忆网络的血糖浓度短期预测模型(VMD-PSO-LSTM)。该方法首先利用VMD方法将患者的血糖浓度时间序列进行分解,得到不同频段的固有模态分... 为了精确预测非线性、非平稳性的血糖浓度时间序列,文章提出一种基于变分模态分解和粒子群优化长短时记忆网络的血糖浓度短期预测模型(VMD-PSO-LSTM)。该方法首先利用VMD方法将患者的血糖浓度时间序列进行分解,得到不同频段的固有模态分量(IMF),然后对各个血糖IMF分量采用经PSO优化的LSTM网络建立预测模型,得到每个IMF分量的预测结果;最后,对各个IMF分量的预测结果进行累加,得到血糖浓度时间序列的最终预测值。基于实测血糖数据进行验证,相较于PSO-LSTM和VMD-LSTM方法,所提方法的平均绝对误差(MAE)、均方根误差(RMSE)以及克拉克网格误差(CEGA)都最小,表明文章提出的VMD-PSO-LSTM模型具有更高的预测精度。 展开更多
关键词 血糖预测 变分模态分解 LSTM 粒子群算法
下载PDF
基于QPSO-LSTM的短期风电负荷预测模型 被引量:1
18
作者 谭才兴 岳雨霏 汤赐 《中阿科技论坛(中英文)》 2023年第12期88-91,共4页
准确的风电预测可以提高电网的稳定性和可靠性,优化风电发电计划,降低能源成本。为了提高短期电力负荷预测的精度,文章探讨了一种基于QPSO算法对LSTM神经网络进行优化的算法,并根据LSTM神经网络以及QPSO算法的基本原理,利用QPSO算法对L... 准确的风电预测可以提高电网的稳定性和可靠性,优化风电发电计划,降低能源成本。为了提高短期电力负荷预测的精度,文章探讨了一种基于QPSO算法对LSTM神经网络进行优化的算法,并根据LSTM神经网络以及QPSO算法的基本原理,利用QPSO算法对LSTM的超参数及网络拓扑结构进行优化,建立QPSO-LSTM短期风电负荷预测模型。仿真结果表明,QPSO-LSTM模型较传统的LSTM模型预测精度更高,且具有更快的收敛速度。 展开更多
关键词 短期风电预测 LSTM神经网络 PSO算法 QPSO算法
下载PDF
基于PSO-LSTM算法的医用耗材消耗量预测模型研究 被引量:3
19
作者 李龙 李谷亮 +5 位作者 姚漪 葛安旎 奎翔 柯阳 李宇铠 吴裕姗 《中国医学装备》 2022年第4期139-143,共5页
目的:建立基于粒子群优化长短期记忆(PSO-LSTM)算法的医用耗材消耗量预测模型(PSO-LSTM模型),预测医院医用耗材消耗量,实现医用耗材精细化管理。方法:选取2019年1月至2020年12月医院使用的国家第一批重点监控高值耗材消耗量数据,建立PSO... 目的:建立基于粒子群优化长短期记忆(PSO-LSTM)算法的医用耗材消耗量预测模型(PSO-LSTM模型),预测医院医用耗材消耗量,实现医用耗材精细化管理。方法:选取2019年1月至2020年12月医院使用的国家第一批重点监控高值耗材消耗量数据,建立PSO-LSTM预测模型,分析医用耗材消耗情况,预测医用耗材消耗量。采用均方误差(MSE)评价PSOLSTM模型预测医用耗材消耗量数据与LSTM网络数据的误差程度。结果:PSO-LSTM模型预测吻合器消耗量与LSTM网络相比其MSE值降低84%,PSO-LSTM模型预测穿刺器消耗量与LSTM网络相比其MSE值降低77%,PSO-LSTM模型的医用耗材消耗量预测结果与实际消耗量更为接近,医用耗材消耗量预测精度显著高于LSTM网络。结论:PSO-LSTM模型能够准确预测医用耗材消耗量,为医用耗材采购决策提供科学依据,实现医用耗材精细化管理,降低医用耗材使用成本。 展开更多
关键词 粒子群优化长短期记忆(pso-lstm) 消耗量 预测 医用耗材
下载PDF
基于EMD-PSO-LSTM组合模型的城市轨道交通短时客流预测 被引量:8
20
作者 赵明伟 张文胜 +1 位作者 王克文 李红 《铁道运输与经济》 北大核心 2022年第7期110-118,共9页
准确的短时客流预测能够为城市轨道交通的良好运营提供保障,针对客流的非线性和强随机性特点以及LSTM神经网络参数较难确定的问题,提出一种基于EMD和PSO优化LSTM神经网络的组合预测模型。首先利用EMD降低数据噪声的干扰,将客流数据分解... 准确的短时客流预测能够为城市轨道交通的良好运营提供保障,针对客流的非线性和强随机性特点以及LSTM神经网络参数较难确定的问题,提出一种基于EMD和PSO优化LSTM神经网络的组合预测模型。首先利用EMD降低数据噪声的干扰,将客流数据分解为多个IMF,然后利用PSO优化LSTM神经网络的学习率、迭代次数和隐含层的神经元个数,并对各IMF进行预测,将各IMF的预测结果加和得到最终的预测结果。以上海陆家嘴站的客流预测为例验证组合模型的有效性,并与LSTM,EMD-LSTM,PSOLSTM 3种短时客流预测模型做比较,结果显示EMD-PSO-LSTM组合模型的预测误差均小于其他3种模型,在针对工作日和非工作日的客流预测中,预测值和真实值的决定系数分别达到0.992和0.963,可以有效提高客流预测模型的预测精度。 展开更多
关键词 城市轨道交通 短时客流预测 EMD PSO LSTM神经网络 EMD-pso-lstm组合模型
下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部