科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对长短期记忆网络（LSTM）在粮食产能预测上存在超参数众多、长时序列信息丢失以及难以区分主次特征的问题，提出一种数据驱动的粮食产能组合预测模型。在超参数部分，通过引入动态权重和拉普拉斯变异的秃鹰算法（WLBES）对LSTM进行超参数寻优，避免了手动调参的过程。在预测部分，利用岭回归（RR）对预测结果进行残差修正，弥补LSTM数据丢失的缺陷；同时加入注意力机制，以权重大小区分主次特征，提升粮食产能相关性较大特征的重要性。研究结果表明，WLBES-LSTM-RR组合模型与LSTM模型和WLBES-LSTM模型相比，均方根误差（RMSE）分别下降了75%、19%，相较于其他优化LSTM的组合模型，RMSE大幅下降，该组合模型在粮食产能预测上具有更高的预测精度。
-
单位武汉轻工大学; 电子工程学院
