文档名：TDLSTMS模型在二氧化碳浓度预测中的应用
摘要：针对传统预测模型无法利用多元数据变量间内在联系的问题,提出了基于张量分解和序列最小二乘规划(SLSQP)优化的长短期记忆神经网络(LSTM)模型TD-LSTM-S.在模型中将数据构建成张量并对其进行分解与优化,使数据能够保留变量间的内在联系,采用SLSQP算法进行优化,使LSTM能够有效利用变量间的内在联系,提高模型的预测性能.实验结果表明:提出的TD-LSTM-S模型较传统模型具有更高的预测性能.
作者：付子骏 吴永明 徐计 Author：FUZijun WUYongming XUJi
作者单位：贵州大学公共大数据国家重点实验室,贵阳550025;贵州大学计算机科学与技术学院,贵阳550025贵州大学公共大数据国家重点实验室,贵阳550025
刊名：重庆理工大学学报 ISTIC
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(8)
分类号：TP39
关键词：二氧化碳浓度预测 多元数据变量间内在联系 张量分解 序列最小二乘规划 长短期记忆神经网络
机标分类号：TP391X513S511
在线出版日期：2023年5月17日
基金项目：国家自然科学基金，国家自然科学基金，贵州省科学技术基金计划项目TD-LSTM-S模型在二氧化碳浓度预测中的应用[
期刊论文] 重庆理工大学学报--2023, 37(8)付子骏 吴永明 徐计针对传统预测模型无法利用多元数据变量间内在联系的问题,提出了基于张量分解和序列最小二乘规划(SLSQP)优化的长短期记忆神经网络(LSTM)模型TD-LSTM-S.在模型中将数据构建成张量并对其进行分解与优化,使数据能够保留变...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
TD-LSTM-S模型在二氧化碳浓度预测中的应用 Application of TD-LSTM-S model to carbon dioxide concentration prediction
TD-LSTM-S模型在二氧化碳浓度预测中的应用.pdf
- 文件大小:
- 2.17 MB
- 下载次数:
- 60
-
高速下载
|
|
