| 基于简化型LSTM神经网络的时间序列预测方法 |
| |
| 引用本文： | 李文静,王潇潇. 基于简化型LSTM神经网络的时间序列预测方法[J]. 北京工业大学学报, 2021, 47(5): 480-488. DOI: 10.11936/bjutxb2020120032 |
| |
| 作者姓名： | 李文静 王潇潇 |
| |
| 作者单位： | 北京工业大学信息学部, 北京 100124;计算智能与智能系统北京市重点实验室, 北京 100124;智慧环保北京实验室, 北京 100124;北京人工智能研究院, 北京 100124 |
| |
| 基金项目： | 国家自然科学基金资助项目(61603009,62021003,61890930-5)；;国家重点研发计划资助项目(2018YFC1900800-5)；;北京市教育委员会科技计划资助项目(KM201910005023)； |
| |
| 摘 要： | ![]()
针对标准长短期记忆(long short-term memory, LSTM)神经网络用于时间序列预测具有耗时长、复杂度高等问题,提出简化型LSTM神经网络并应用于时间序列预测.首先,通过耦合输入门与遗忘门实现对标准LSTM神经网络的结构简化;其次,从门结构控制方程中消除输入信号与偏差实现进一步精简;然后,采用梯度下降算法更新简化型LSTM神经网络的参数;最后,通过2个时间序列基准数据集及污水处理过程出水生化需氧量(biochemical oxygen demand, BOD)质量浓度预测进行实验验证.结果表明:在不显著降低预测精度的情况下,所设计的模型能够缩短训练时间,减少LSTM神经网络的计算复杂度,实现时间序列的预测.
|
| 关 键 词： | 时间序列预测 长短期记忆(long short-term memory, LSTM)神经网络 门耦合 参数精简 梯度下降算法 污水处理过程 |
Time Series Prediction Method Based on Simplified LSTM Neural Network |
| |
| LI Wenjing,WANG Xiaoxiao. Time Series Prediction Method Based on Simplified LSTM Neural Network[J]. Journal of Beijing Polytechnic University, 2021, 47(5): 480-488. DOI: 10.11936/bjutxb2020120032 |
| |
| Authors: | LI Wenjing WANG Xiaoxiao |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
