基于LSTM循环神经网络的故障时间序列预测

• 作者: 刘超 吴际 杜艳丽 杨海燕 牛文生 王鑫
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 长短期记忆(LSTM)模型 循环神经网络 故障时间序列预测 多层网格搜索 深度学习
• 年，卷（期）: 2018,（4）
• 页码范围: 772-784
• 页数: 13页
• 分类号: O213.2|V37|TP18
• 字数: 8870字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2017.0285

摘要

有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义.从复杂系统的历史故障数据出发,提出了一种基于长短期记忆(LSTM)循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘超	北京航空航天大学计算机学院	138	2512	20.0	47.0
2	杨海燕	北京航空航天大学计算机学院	27	322	7.0	17.0
3	牛文生	北京航空航天大学计算机学院	10	174	4.0	10.0
5	王鑫	北京航空航天大学计算机学院	26	249	6.0	15.0
6	吴际	北京航空航天大学计算机学院	50	643	10.0	24.0
7	杜艳丽		1	145	1.0	1.0