典型文献
基于XGBoost-RFECV算法和LSTM神经网络的PEMFC剩余寿命预测
文献摘要:
针对质子交换膜燃料电池(PEMFC)寿命预测方法中PEMFC特征对其寿命的影响程度未知和模型预测精度低的问题,提出一种基于XGBoost-RFECV算法和长短期记忆(LSTM)神经网络的PEMFC剩余寿命预测方法.首先通过等间隔采样和SG卷积平滑法对PEMFC原始数据进行重构和平滑处理,有效提取PEMFC退化趋势.然后利用XGBoost-RFECV算法计算PEMFC不同特征的重要度,并选择平均交叉验证均方误差最小的10个PEMFC特征组成最优特征子集.最后将最优特征子集输入构建的双层LSTM神经网络实现PEMFC的剩余寿命预测.实验结果表明,该方法的平均绝对误差和均方根误差分别为0.001 9 和 0.002 5,决定系数R2为 0.974,与 XGBoost-RNN、XGBoost-LSTM 和 XGBoost-RFECV-RNN 方法相比预测精度更高,能够有效地预测PEMFC剩余寿命.
文献关键词:
XGBoost-RFECV算法;LSTM神经网络;PEMFC;剩余寿命
中图分类号:
作者姓名:
常家康;吕宁;詹跃东
作者机构:
昆明理工大学信息工程与自动化学院 昆明 650500;昆明理工大学计算中心 昆明 650500
文献出处:
引用格式:
[1]常家康;吕宁;詹跃东-.基于XGBoost-RFECV算法和LSTM神经网络的PEMFC剩余寿命预测)[J].电子测量与仪器学报,2022(01):126-133
A类:
B类:
XGBoost,RFECV,PEMFC,剩余寿命预测,对质,质子交换膜燃料电池,寿命预测方法,长短期记忆,间隔采样,SG,原始数据,平滑处理,有效提取,算法计算,重要度,交叉验证,均方误差,优特,特征子集,集输,平均绝对误差,决定系数,RNN
AB值:
0.221165
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。