基于长短期记忆生成对抗网络的小麦品质多指标预测模型

• 作者: 蒋华伟 张磊
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 长短期记忆网络 生成式对抗网络 小麦多指标 预测模型
• 年，卷（期）: 2020,（12）
• 页码范围: 2865-2872
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11999/JEIT190802

摘要

小麦多生理生化指标变化趋势反映了储藏品质的劣变状态,预测多指标时序数据会因关联性及相互作用而产生较大误差,为此该文基于长短期记忆网络(LSTM)和生成式对抗网络(GAN)提出一种改进拓扑结构的长短期记忆生成对抗网络(LSTM-GAN)模型.首先,由LSTM预测多指标不同时序数据的劣变趋势;其次,根据多指标的关联性并结合GAN的对抗学习方法来降低综合预测误差;最后通过优化目标函数及训练模型得出多指标预测结果.经实验分析发现:小麦多指标的长短期时序数据的变化趋势不同,进一步优化模型结构及训练时序长度可有效降低预测结果的误差;特定条件下小麦品质过快劣变会使多指标预测误差增大,因此应充分考虑储藏期环境变化对多指标数据的影响;LSTM-GAN模型的综合误差相对于仅使用LSTM预测降低了9.745％,并低于多种对比模型,这有助于提高小麦品质多指标预测及分析的准确性.