為提高航空公司能耗的預測精度,針對能耗數(shù)據(jù)的復雜非線性時序特性,提出一種基于長短時記憶網(wǎng)絡（LSTM）的時間窗滑動航空公司能耗預估模型。該方法對能耗時序數(shù)據(jù)進行預處理,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)轉換成監(jiān)督型數(shù)據(jù),構建基于LSTM的模型來實現(xiàn)航空公司能耗預測,并利用網(wǎng)格搜索算法進行參數(shù)優(yōu)選。實驗結果表明,該模型預測精度優(yōu)于傳統(tǒng)ARMA模型、SVR模型,驗證了其可行性。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引 言
1 長短時記憶網(wǎng)絡
2 基于LSTM的航空能耗模型
    2.1 數(shù)據(jù)預處理
    2.2 模型構建
    2.3 模型預測
    2.4 基于Grid-Search的參數(shù)優(yōu)化
3 實例仿真
    3.1 實驗數(shù)據(jù)和評價指標
    3.2 模型對比
        3.2.1 基于ARMA的航空能耗預測模型
        3.2.2 基于SVR的航空能耗預測模型
    3.3 參數(shù)尋優(yōu)
    3.4 預測結果分析
4 結 語


【參考文獻】：
期刊論文
[1]基于LSTM循環(huán)神經網(wǎng)絡的故障時間序列預測[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學學報. 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測（英文）[J]. 劉家學,周鑫,陳靜杰.  機床與液壓. 2017(18)
[3]基于支持向量機的高頻金融時間序列預測[J]. 馮帆,倪中新.  應用數(shù)學與計算數(shù)學學報. 2017(03)
[4]基于時間序列GA-SVR的水產品價格預測模型及驗證[J]. 段青玲,張磊,魏芳芳,肖曉琰,王亮.  農業(yè)工程學報. 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測[J]. 朱宇恩,李麗芬,賀思思,李華,王云.  資源科學. 2016(12)
[6]基于ARMA的風電功率預測[J]. 惠小健,王震,張善文,賀海龍.  現(xiàn)代電子技術. 2016(07)
[7]GM（1,1）灰色預測模型在道路軟基沉降預測中的應用[J]. 李小剛,張廷會.  鐵道科學與工程學報. 2016(01)
[8]基于BP神經網(wǎng)絡模型的上海高校能耗預測研究[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