基于EMD-LSTM模型的APU排气温度预测

作者：王晓燕; 白贤明; 宋辞; 毛子荐

来源：航空动力学报, 2023, 1-8.

DOI：10.13224/j.cnki.jasp.20220076

• 排气温度
• 预测精度
• 经验模态分解
• 长短期记忆神经网络
• 本征模态函数

为了提高排气温度(EGT)的预测精度需要减少数据的复杂性。提出一种经验模态分解(EMD)和长短期记忆神经网络(LSTM)组合方法来预测EGT。首先，将具有时间序列特征的EGT数据，利用EMD分解成含有相同特征的本征模态函数(IMF)和残差(RES)；利用LSTM模型对分量进行预测；将所有分量预测出来的结果进行叠加得到EGT的预测值。本文并对EMD-LSTM模型与单一的LSTM模型的预测结果进行对比分析。结果表明：前者比后者的均方根误差和平均相对误差分别降低了35％和42％。说明此模型在预测APU的EGT值上具有更好的预测精度。

• 单位
  沈阳航空航天大学