基于GBO-LSTM-Attention的器材消耗預(yù)測(cè)
所屬分類：技術(shù)論文
上傳者：wwei
文檔大?。?span>1454 K
標(biāo)簽： 梯度優(yōu)化算法 長短期記憶網(wǎng)絡(luò) 注意力機(jī)制
所需積分：0分積分不夠怎么辦？
文檔介紹：器材消耗量預(yù)測(cè)是做好技術(shù)保障工作的前提和基礎(chǔ)，受各種因素影響較多。提出了一種長短期記憶網(wǎng)絡(luò)（LSTM）和注意力機(jī)制（Attention）相結(jié)合的器材消耗預(yù)測(cè)方法，發(fā)揮了LSTM和Attention在預(yù)測(cè)上的優(yōu)勢(shì)，利用梯度優(yōu)化算法對(duì)LSTM-Attention的參數(shù)beach_size、學(xué)習(xí)率、正則化參數(shù)、LSTM隱含層單元個(gè)數(shù)等進(jìn)行優(yōu)化，對(duì)模型進(jìn)行測(cè)試，均方誤差(MSE)、平均絕對(duì)誤差(MAE)、平均相對(duì)誤差(MAPE)、決定系數(shù)分別為277 307.8、442.07、4.76%、98.55%，相對(duì)于LSTM-Attention模型，各項(xiàng)評(píng)估指標(biāo)均有大幅度提升，證明模型具有更高的預(yù)測(cè)精度，對(duì)器材保障具有重要的意義。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。