基于改进的LSTM的药品温湿度预测方法

• 作者: 刘韵婷 张媛媛 陈亮
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 医药冷链 循环神经网络 长短期记忆模型 温湿度预测 深度学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 106-112
• 页数: 7页
• 分类号: TP183|TN919.5
• 语种: 中文
• DOI: 10.13382/j.jemi.B1801656

摘要

针对医药冷链系统中药品温湿度数据不易诊断的问题,提出一种改进的长短期记忆(LSTM)预测药品温湿度的方法.首先通过插值扩充算法扩充湿度数据集,接着提出一种内含多个LSTM细胞元的LSTM结构,代替传统的迭代预测,随后通过Adam优化算法调整网络参数和改变网络层数降低预测误差,实现对药品温湿度的提前预判.最后在药店冷藏柜中采集到的药品温湿度数据集上进行测试,均方误差(MSE)为0.036 9.与传统的BP神经网络预测方法和高斯过程混合模型预测方法对比,改进的LSTM药品温湿度预测方法预测更准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈亮		62	181	7.0	10.0
2	刘韵婷		17	12	2.0	2.0
3	张媛媛		1	0	0.0	0.0