典型文献
改进FA优化LSTM的时序预测模型
文献摘要：
为了提高时序预测精度,提出了一种改进萤火虫算法(firefly algorithm,FA)优化LSTM的时序预测模型(GAFA-LSTM).针对FA因种群多样性弥散陷入局部最优,影响寻优效果的问题,提出了种群多样性增加机制.FA在完成初始化后加入种群多样性的计算;在满足多样性增加机制的条件下,引入自适应多样性增加机制,有效平衡进化过程中对种群多样性的需求;在迭代后期加入自适应游动参数来避免局部震荡.将改进后的FA用于LSTM模型输入参数的优化,以提高LSTM模型输入参数的准确性.实验部分对改进FA进行了改进效果测试,对GAFA-LSTM模型进行了模型验证.结果表明改进FA具有较好的寻优效果,GAFA-LSTM预测模型较其他预测模型拟合程度与预测精度都有不同程度的提高.
文献关键词：
萤火虫算法;时间序列预测;种群多样性;长短期记忆神经网络(LSTM);多样性增加机制
中图分类号：
作者姓名：
张忠林;张艳
作者机构：
兰州交通大学 电子与信息工程学院,兰州 730070
文献出处：
引用格式：
[1]张忠林;张艳-.改进FA优化LSTM的时序预测模型)[J].计算机工程与应用,2022(11):125-132
A类：
多样性增加机制
B类：
时序预测模型,改进萤火虫算法,firefly,algorithm,GAFA,种群多样性,弥散,局部最优,优效,初始化,游动,震荡,模型输入,输入参数,改进效果,模型验证,模型拟合,拟合程度,时间序列预测,长短期记忆神经网络
AB值：
0.23025
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。
