基于GBO-LSTM-Attention的器材消耗預測
所屬分類：技術論文
上傳者：wwei
文檔大小：1454 K
標簽： 梯度優(yōu)化算法 長短期記憶網(wǎng)絡 注意力機制
所需積分：0分積分不夠怎么辦？
文檔介紹：器材消耗量預測是做好技術保障工作的前提和基礎，受各種因素影響較多。提出了一種長短期記憶網(wǎng)絡（LSTM）和注意力機制（Attention）相結(jié)合的器材消耗預測方法，發(fā)揮了LSTM和Attention在預測上的優(yōu)勢，利用梯度優(yōu)化算法對LSTM-Attention的參數(shù)beach_size、學習率、正則化參數(shù)、LSTM隱含層單元個數(shù)等進行優(yōu)化，對模型進行測試，均方誤差(MSE)、平均絕對誤差(MAE)、平均相對誤差(MAPE)、決定系數(shù)分別為277 307.8、442.07、4.76%、98.55%，相對于LSTM-Attention模型，各項評估指標均有大幅度提升，證明模型具有更高的預測精度，對器材保障具有重要的意義。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。