典型文献
双向多尺度LSTM的短时温度预测
文献摘要：
针对长短期记忆网络(long short-term memory,LSTM)无法有效提取温度数据的多尺度特征和反向特征的问题,该文提出了一种双向多尺度跳跃LSTM(bidirectional multi-scale skip long short-term memory,BMS-LSTM)的短时温度预测模型.该模型以LSTM为核心单元,采用双向深层网络结构提取反向特征;根据温度数据日的周期性设置跳跃连接数提取多尺度特征,解决了指数增长的跳跃连接数后期跳跃尺度过大的问题;最后使用全连接层进行特征融合预测.实验结果表明:BMS-LSTM成功提取了温度数据的多尺度特征和反向特征,预测均值误差仅为3.890,优于对比模型,是一种有效的短时温度预测模型.
文献关键词：
长短期记忆网络;温度预测;多尺度;反向特征;跳跃连接;特征融合
中图分类号：
作者姓名：
程鹏宇;赵嘉;韩龙哲;张翼英;武延年
作者机构：
南昌工程学院信息工程学院,江西 南昌 330099;天津科技大学人工智能学院,天津 300457;深圳市国电科技通信有限公司,广东 深圳 518000
文献出处：
引用格式：
[1]程鹏宇;赵嘉;韩龙哲;张翼英;武延年-.双向多尺度LSTM的短时温度预测)[J].江西师范大学学报（自然科学版）,2022(02):134-139
A类：
B类：
长短期记忆网络,long,short,term,memory,有效提取,提取温度,温度数据,多尺度特征,反向特征,bidirectional,multi,scale,skip,BMS,温度预测模型,深层网络,结构提取,取反,跳跃连接,连接数,指数增长,全连接层,层进,特征融合,融合预测,对比模型
AB值：
0.315751
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
