為提高航空公司能耗的預(yù)測精度,針對能耗數(shù)據(jù)的復(fù)雜非線性時序特性,提出一種基于長短時記憶網(wǎng)絡(luò)（LSTM）的時間窗滑動航空公司能耗預(yù)估模型。該方法對能耗時序數(shù)據(jù)進(jìn)行預(yù)處理,消除能耗時序數(shù)據(jù)的季節(jié)性趨勢;依據(jù)滑動時間窗將數(shù)據(jù)轉(zhuǎn)換成監(jiān)督型數(shù)據(jù),構(gòu)建基于LSTM的模型來實(shí)現(xiàn)航空公司能耗預(yù)測,并利用網(wǎng)格搜索算法進(jìn)行參數(shù)優(yōu)選。實(shí)驗(yàn)結(jié)果表明,該模型預(yù)測精度優(yōu)于傳統(tǒng)ARMA模型、SVR模型,驗(yàn)證了其可行性。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 長短時記憶網(wǎng)絡(luò)
2 基于LSTM的航空能耗模型
    2.1 數(shù)據(jù)預(yù)處理
    2.2 模型構(gòu)建
    2.3 模型預(yù)測
    2.4 基于Grid-Search的參數(shù)優(yōu)化
3 實(shí)例仿真
    3.1 實(shí)驗(yàn)數(shù)據(jù)和評價指標(biāo)
    3.2 模型對比
        3.2.1 基于ARMA的航空能耗預(yù)測模型
        3.2.2 基于SVR的航空能耗預(yù)測模型
    3.3 參數(shù)尋優(yōu)
    3.4 預(yù)測結(jié)果分析
4 結(jié) 語


【參考文獻(xiàn)】：
期刊論文
[1]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時間序列預(yù)測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報. 2018(04)
[2]基于新陳代謝灰色馬爾科夫-ARMA模型的航空公司能耗預(yù)測（英文）[J]. 劉家學(xué),周鑫,陳靜杰.  機(jī)床與液壓. 2017(18)
[3]基于支持向量機(jī)的高頻金融時間序列預(yù)測[J]. 馮帆,倪中新.  應(yīng)用數(shù)學(xué)與計(jì)算數(shù)學(xué)學(xué)報. 2017(03)
[4]基于時間序列GA-SVR的水產(chǎn)品價格預(yù)測模型及驗(yàn)證[J]. 段青玲,張磊,魏芳芳,肖曉琰,王亮.  農(nóng)業(yè)工程學(xué)報. 2017(01)
[5]基于IPAT模型和情景分析法的山西省碳排放峰值年預(yù)測[J]. 朱宇恩,李麗芬,賀思思,李華,王云.  資源科學(xué). 2016(12)
[6]基于ARMA的風(fēng)電功率預(yù)測[J]. 惠小健,王震,張善文,賀海龍.  現(xiàn)代電子技術(shù). 2016(07)
[7]GM（1,1）灰色預(yù)測模型在道路軟基沉降預(yù)測中的應(yīng)用[J]. 李小剛,張廷會.  鐵道科學(xué)與工程學(xué)報. 2016(01)
[8]基于BP神經(jīng)網(wǎng)絡(luò)模型的上海高校能耗預(yù)測研究[J]. 汪君,吳利瑞.  建筑節(jié)能. 2015(01)
[9]中國民航節(jié)能減排對策研究[J]. 于敬磊.  資源節(jié)約與環(huán)保. 2014(10)



本文編號：3717906