首页|TD-LSTM-S模型在二氧化碳浓度预测中的应用

TD-LSTM-S模型在二氧化碳浓度预测中的应用

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
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.
Application of TD-LSTM-S model to carbon dioxide concentration prediction

付子骏、吴永明、徐计

展开 >

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

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

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贵州省科学技术基金计划项目贵州省科技支撑计划项目贵州大学引进人才科研项目

515050946196200920161037ZK202307920172029贵大人基合字201460号

2023

10.3969/j.issn.1674-8425(z).2023.04.022

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
年,卷(期)：2023.37(8)
  • 7