重庆理工大学学报2023，Vol.37Issue(8) ：192-199.DOI:10.3969/j.issn.1674-8425(z).2023.04.022

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

付子骏 吴永明 徐计
重庆理工大学学报2023，Vol.37Issue(8) ：192-199.DOI:10.3969/j.issn.1674-8425(z).2023.04.022
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

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

付子骏 1吴永明 2徐计2
扫码查看

作者信息

  • 1. 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
  • 2. 贵州大学 公共大数据国家重点实验室,贵阳 550025
  • 折叠

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.

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

引用本文复制引用

基金项目

国家自然科学基金(51505094)

国家自然科学基金(61962009)

贵州省科学技术基金计划项目(20161037)

贵州省科学技术基金计划项目(ZK2023079)

贵州省科技支撑计划项目(20172029)

贵州大学引进人才科研项目(贵大人基合字201460号)

出版年

2023
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
参考文献量7
段落导航相关论文