摘要
电梯曳引性能是影响电梯运行安全的重要指标,而滑移量是其重要的评判标准.为实现高精度的电梯滑移量预测,文中提出了基于金鹰算法优化的门控循环单元神经网络(GEO-GRU)模型,GRU通过门控单元实现数据信息选择,利用神经元传递时序特征,实现时序预测;采用金鹰优化算法(Golden Eagle Optimizer,GEO)对GRU的初始参数进行优化,以提升模型可靠性和泛化性.实验结果表明,相比LSTM、ESN等经典预测方法,GEO-GRU方法提高了预测精度,缩小了预测误差,对于电梯滑移量的预测具有更高的可行性和有效性.
国家科技期刊平台
NSTL
维普
万方数据