典型文献
基于改进PSO-LSTM的APU排气温度预测研究
文献摘要：
为了提高辅助动力装置排气温度的预测精度,采用基于粒子群算法优化长短期记忆网络的方法.通过分析不同参数间相关性,选出影响排气温度的主要参数作为预测模型的输入,构造惯性权重和学习因子的动态调节函数来解决粒子群算法存在的早熟收敛问题,得到一种改进粒子群算法.结果表明,改进PSO-LSTM模型比传统的RNN模型、LSTM模型、基本PSO-LSTM模型、标准PSO-LSTM模型具有更高的预测精度.上述研究结果可为短期APU性能变化趋势预测提供一定的参考.
文献关键词：
排气温度预测;辅助动力装置;改进粒子群优化算法;长短期记忆网络
中图分类号：
作者姓名：
王坤;侯树贤
作者机构：
中国民航大学电子信息与自动化学院,天津300300
文献出处：
引用格式：
[1]王坤;侯树贤-.基于改进PSO-LSTM的APU排气温度预测研究)[J].计算机仿真,2022(11):32-37
A类：
B类：
PSO,APU,排气温度预测,预测研究,辅助动力装置,算法优化,长短期记忆网络,同参数,数间,主要参数,惯性权重,学习因子,动态调节,早熟,改进粒子群算法,RNN,性能变化,趋势预测,改进粒子群优化算法
AB值：
0.259443
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。
