作者：赵岩; 周俊冬; 任双双粮堆长短期记忆网络非线性时间序列温度预测
摘要：针对粮堆温度的非线性时间序列特点,本文提出一种基于长短时记忆网络(Long Short-Term Memory,LSTM)算法的粮堆温度预测模型,该模型不但解决了传统方法处理非线性数据能力较差的问题,而且较其他现有方法能够更好地处理时间序列数据。本文根据已有的粮仓环境数据搭建模型结构,进行模型训练和测试,并设置支持向量机和整合移动平均自回归模型作为对比实验。实验表明,该模型的均方误差MSE为0.048,较其他方法对粮堆温度的预测效果更好,准确性更高。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
