- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第41卷第3期黑龙江大学自然科学学报Vol.41No.3
2024年6月JOURNALOFNATURALSCIENCEOFHEILONGJIANGUNIVERSITYJune,2024
D0I:10.13482/j.issn1001-7011.2024.03.206投稿网址:
基于GA-MSA-LSTM模型的苯污染物
浓度预测研究
李凤翔,王化琨
(黑龙江大学数学科学学院,哈尔滨150080)
摘要:提出了一种基于遗传算法优化的多头自注意力-长短期记忆(Geneticalgorithmmulti-head
self-attentionlongshort-termmemory,GA-MSA-LSTM)神经网络的预测模型,预测空气中的苯污染物
的浓度。将MSA加入LSTM神经网络中,使用遗传算法确定最优的“头”个数、时间步长和隐藏层
神经元个数,以期提高苯浓度预测的精确度,优化输出结果。数据实验结果显示,GA-MSA-LSTM
模型的预测值较LSTM模型和MSA-LSTM模型,能够更好地反映真实值的变化趋势,在均方根误差
(Rootmeansquareerror,RMSE)、平均绝对误差(Meanabsoluteerror,MAE)和平均绝对百分比
(Meanabsolutepercentageerror,MAPE)3个评价指标上也体现了其优越性,充分说明了该模型的
有效性和可行性。研究表明,该模型具有普遍适用性,也可以应用于不同类型的时间序列数据
分析。
关键词:苯浓度;遗传算法;神经网络
中图分类号:0212.1文献标志码:A文章编号:1001-7011(2024)03-0281-07
Aresearchforpredictingbenzeneconcentrationbasedon
GA-MSA-LSTMmodel
LIFengxiang,WANGHuakun
(SchoolofMathematicalSciences,HeilongjiangUniversity,Harbin150080,China)
Abstract:Apredictionmodelbasedongeneticalgorithmoptimizedmulti-headself-attentionlongshort-
termmemory(GA-MSA-LSTM)neuralnetworkhasbeenproposedtopredicttheconcentrationofbenzene
pollutantsintheair.TheMSAmodelisaddedtoLSTMneuralnetwork,whichusesageneticalgorithmto
determinetheoptimizednumber“head,thetimestepsandhiddenlayerneuronstoimprovethe
accuracyofbenzeneconcentrationpredictionandoptimizetheoutputresults.Thedataexperimental
resultsdemonstratethatthepredictedvaluesofGA-MSA-LSTMmodelcanbetterreflectthechangetend
ofthetruevaluesthantheLSTMmodelandtheMSA-
您可能关注的文档
- 模型预测控制理论的研究与应用.pdf
- 基于双向LSTM-Attention模型的火电厂负荷预测研究.pdf
- 青少年网络安全状况、影响因素和对策研究报告——以四川省成都市龙泉驿区为调查样本.pdf
- 基于VMD-TCN-GRU模型的水质预测研究.pdf
- 基于深度学习的超大直径盾构姿态预测研究.pdf
- 基于MsTCN-Transformer模型的轴承剩余使用寿命预测研究.pdf
- 江西德安彭山矿田遥感找矿预测研究.pdf
- PCA-GWO-SVR机器学习用于边坡爆破振动速度峰值预测研究.pdf
- 引江济汉工程渠首泥沙淤积及预测研究.pdf
- 数据驱动的污水处理高密池混凝加药预测研究.pdf
- 2023人教版新课标六年级下册数学期末卷含答案(满分必刷) .pdf
- 2023-2024上期末信息技术复习题(电商2) .pdf
- 2023-2024学年人教版初中生物整理热点题型(含多套真题及答案)完整版727056722.pdf
- 2023-2024部编版六年级语文上册第一单元课内外阅读复习卷(附答案).pdf
- 2023届高考生物三轮复习必修全部基础知识归纳清单(重点版) .pdf
- 2023-2024苏教版4四年级数学下册全册测试卷10套【附答案】 .pdf
- 2023-2024学年全国小学三年级下数学人教版模拟考试试卷(含答案解析).pdf
- 2023-2024学年【部编版】语文六年级上册《期末测试卷》含答案解析.pdf
- 2023-2024学年八年级语文上册第一单元检测试卷及答案解析 .pdf
- 2023-2024学年初中政治部编版八年级下第二单元 理解权利义务单元测试完整版.pdf
文档评论(0)