基于ARMA-LSTM的光功率预测方法

• 作者: 付浩 姜山 康爱民 王圣达
• 来源期刊: 光通信技术
• 学科: 工学
• 关键词: 电力光纤 小波分解 ARMA-LSTM 光功率预测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 光纤线路测试
• 页码范围: 20-23
• 页数: 4页
• 分类号: TP393.01
• 字数: 2004字
• 语种: 中文
• DOI: 10.13921/j.cnki.issn1002-5561.2019.01.005

摘要

光功率是衡量电力光纤通信质量的一种重要的指标.针对光功率的这一特性,提出了一种自回归移动平均-长短期记忆网络(ARMA-LSTM)光功率预测方法,该方法通过db5小波对原始光功率数据进行一层分解获得光功率数据趋势项部分和细节项部分.采用LSTM对趋势项进行建模预测,采用ARMA对细节项进行建模预测并将两种预测结果相加得到最终的预测结果.实验结果表明:该预测模型比传统预测模型的预测精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	康爱民		6	9	3.0	3.0
2	王圣达		8	10	3.0	3.0
3	付浩	长春理工大学电子与信息工程学院	2	6	2.0	2.0
4	姜山		2	3	1.0	1.0