论文学习——基于混合GA优化LSTM的中小流域流量预测研究
文章目录
- 1 摘要
- 2 结语(conclusion)
- 3 引言
- 4 基于LSTM的流量预测模型
- 4.1 LSTM神经网络浅介绍
- 4.2 数据选择与处理
- 5 SVM + BP + LSTM 三种单预测模型建模
- 6 LSTM 模型参数优化及其预测模型
- 6.1 遗传算法 GA
- 6.2 混合遗传算法
写在前面:《计算机仿真》;主办单位:中国航天科工集团公司第十七研究所;中文核心;月刊;
1 摘要
- 提出方法)(模型):
SP_GA算法优化LSTM模型参数
即SP_GA_LSTM
- LSTM 模型参数难以确定,采用
SP_GA
来进行参数寻优 SP_GA
算法,在遗传算法中引入粒子群算法公式作为变异算子,并且在种群进化后期,进行模拟退火操作,一次提高收敛速度和全局搜索能力。【这一段话是非常费解的…】
2 结语(conclusion)
- 创新点(作者提出的东西):一种改进的混合遗传算法
SP_GA
。 - 创新出来的东西干什么用:可以用来优化SVM 、LSTM 等深度学习模型。
如下图,就是实验章节中的实验对比图。
3 引言
对流域径流变化趋势的模拟和预测是一个重要课题
与大江大河相比,中小河流具有分布广、降水及下垫面空间异致性强、产汇流时间短、突发性强等特点。
与支持向量机SVM、BP神经网络、极限学习机ELM等模型相比,带有记忆功能的LSTM 既可对连续的径流数据进行处理,又能考虑到常时间 径流序列 的季节性和周期性,因此能更合理处理序列信息,实现序列预测。
为了更好地确定LSTM 的参数,就提出了一种混合遗传算法(
SP_GA
)
漳州龙山站的时径流预报
4 基于LSTM的流量预测模型
4.1 LSTM神经网络浅介绍
4.2 数据选择与处理
龙山流域作为研究对象,上游设有4个雨量站提供降雨信息,分别是月明、和溪、后眷、龙山。
实验 选取2010 年1 月到2014 年7 月的龙山站小时流量数据和龙山流域内4 个雨量站的时雨量数据共39998 条数据作为实验数据。取前28000 条数据作为训练样本数据,后11998 条作为测试样本数据。
预报因子的选择:运用相关系数分析法之后,确定将前5小时的龙山水文站 前期的流量值, 以及龙山流域内 雨量站前期降雨量值 选择为预报因子。
5 SVM + BP + LSTM 三种单预测模型建模
相关参数设置: BP与LSTM的结构设置为 25 - 50 -1, lr= 0.001, epochs = 100
SVM 选择径向基(RBF)核函数,惩罚因子C=100, 核函数参数 σ=5\sigma=5σ=5
- 从图3 和表1 可以看出,SVM 的预测误差在三者中最大,预测曲线具有明显波动,且峰值预测效果最差;BP 的预测精度较SVM 有所提高,预测曲线与真实值贴合程度也更好;
- LSTM 的均方根误差和确定性系数为7. 95 和0. 909,在三个模型中最优,并且整体预测曲线和峰值预测最贴合真实值,说明LSTM 模型更具优势。
- 所以说,作者就使用了LSTM来进行参数优化,进行下面一系列的事情。
6 LSTM 模型参数优化及其预测模型
下面的内容摘自文章内容:
LSTM 模型的非线性建模性能与3 个主要参数密切相关 : 隐含层节点数hidden_size、学习率lr、训练次数epoch。 【这一点还是需要研究的~~不能相信一家之言】
本文将通过混合遗传算法来确定这三个参数。
6.1 遗传算法 GA
介绍:遗传算法的基本思想是基于达尔文进化论和孟德尔的遗传变异理论。其主要步骤包括编码、种群初始化、选择、交叉、变异等操作。通过这些步骤使得种群内个体适应度越来越高,最终收敛到一群最适应环境的个体,从而求得问题的最优解。
6.2 混合遗传算法
作为一种典型的群体智能算法,遗传算法在搜索全局最优解方面具有独特优势,但是在局部搜索能力方面明显不足。
- 可以通用在遗传算法过程中,融合其他优化方法(爬山法、粒子群算法、蚁群算法、模拟退火算法),从而构成 混合遗传算法
论文学习——基于混合GA优化LSTM的中小流域流量预测研究相关推荐
- 时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测
时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测 目录 时序预测 | MATLAB实现基于Adam算法优化LSTM长短期记忆神经网络时间序列预测 效果一览 基本 ...
- 基于猎人猎物算法优化LSTM的碳交易价格预测
目录 一.背景及介绍 1.1 长短时记忆网络 1.2 猎人猎物优化算法(HPO) 二.HPO-LSTM算法 三.模型仿真与结果分析 四.总结与展望 一.背景及介绍 1.1 长短时记忆网络 提到LSTM ...
- 基于麻雀算法优化LSTM回归预测(matlab)
基于麻雀算法优化LSTM回归预测(matlab) 概述: 麻雀算法构思 lstm原理 麻雀优化lstm原理 代码及结果展示 第一部分 麻雀算法构思 众所周知,麻雀是常见的留鸟而且非常喜欢群居.这种生物 ...
- 【回归预测-LSTM预测】基于灰狼算法优化LSTM实现数据回归预测附Matlab代码
1 内容介绍 一种基于灰狼算法优化LSTM的网络流量预测方法,属于网络流量预测领域,该方法包括以下步骤:对第一网络流量数据集进行极差标准化处理,得到第二网络流量数据集,并划分为训练集和测试集,并确定灰 ...
- 基于Adam算法优化GRU神经网络的短期负荷预测(Python代码实现)
目录 1 Adam优化算法 2 Adam算法中的学习率衰减策略 3 GRU神经网络 4 运行结果 5 参考文献 6 Python代码实现 1 Adam优化算法 2 Adam算法中的学习率衰减策略 该文 ...
- 基于灰狼算法优化概率神经网络PNN的分类预测-附代码
基于灰狼算法优化概率神经网络PNN的分类预测 - 附代码 文章目录 基于灰狼算法优化概率神经网络PNN的分类预测 - 附代码 1.PNN网络概述 2.变压器故障诊街系统相关背景 2.1 模型建立 3. ...
- 基于布谷鸟优化LSTM的短时电力负荷预测
0 引言 短期电力负荷预测是电力系统安全调度.经济运行的重要依据 , 随着电力系统的市场化 , 负荷预测的精度直接影响到电力系统运行的可靠性.经济性和供电质量.LSTM 为短期电力负荷预测提供了一个新 ...
- PRICAI 2016 论文精选 | 基于车辆优先级优化交通系统的道路分布
基于车辆优先级优化交通系统的道路分布(Optimization of Road Distribution for Traffic System Based on Vehicle's Priority) ...
- 【GRNN分类】基于matlab GA优化GRNN超参数分类【含Matlab源码 1399期】
一.广义回归神经网络(GRNN) 广义回归神经网络是径向基神经网络的一种,GRNN具有很强的非线性映射能力和学习速度,比RBF具有更强的优势,网络最后普收敛于样本量集聚较多的优化回归,样本数据少时,预 ...
最新文章
- Mysql增强半同步模式_MySQL增强半同步参数rpl_semi_sync_master_wait_point值AFTER_SYNC和AFTER_COMMIT...
- .ipynb转化为.py文件后批量删除一大堆#In[53]
- 牛客网与leetcode刷题(高频题中简单or中等的)
- C++/C--动态二维数组的内存分配与释放【转载】
- Kafka的安装部署(分布式部署安装)
- 牛客网在线编程:公共字符
- Mybatis数据库连接报错:对实体 “characterEncoding“ 的引用必须以 ‘;‘ 分隔符结尾
- JSP弹出窗口和模式对话框
- xampp的安装和配置
- 5种常见的网络欺骗方式
- 使用selenium + pytest + allure做WBE UI自动化
- miui怎么用第三方图标包_Burn安卓手机图标包 手机美化从图标开始
- svn和git 常用的命令
- 腾讯视频qlv格式转MP4格式
- 电子海图浮标信息的计算和输入
- APICloud框架——获取本地图片信息
- 利用C语言实现wol网络远程唤醒
- 海康摄像头忘记密码,自己如何快速重置密码
- Spring Boot四大神器之Auto Configuration
- mui实现底部导航栏页面切换