基于4种长短时记忆神经网络组合模型的畸形波预报

• 作者: 赵勇 苏丹
• 来源期刊: 上海交通大学学报
• 学科: 交通运输
• 关键词: 畸形波 长短时记忆(LSTM) 卷积神经网络(CNN) 经验模式分解(EMD) 差分自回归(ARIMA) 卡尔曼滤波(KF)
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 交通运输工程|Transportation Engineering
• 页码范围: 516-522
• 页数: 7页
• 分类号: U661.1
• 语种: 中文
• DOI: 10.16183/j.cnki.jsjtu.2021.088

摘要

为提高长短时记忆神经网络对畸形波预报精度,研究了长短时记忆神经网络与卷积神经网络(Convolution Neural Networks,CNN)、经验模式分解(Empirical Mode Decomposition,EMD)、差分自回归移动(Auto-Aggressive Integrated Moving Average,ARIMA)模型以及卡尔曼滤波(Kalman Filtering,KF)方法4种组合模型预报方法.基于两个单峰型畸形波和一个三姐妹组合型畸形波实验数据,经过数据归一化、模型参数设置及误差评估建立了组合预报模型和预报.结果表明:4种组合模型预报精度在所研究的3个畸形波序列预报中精度都得到了显著提高,其中与CNN组合模型的预报精度最高.组合模型方法为提高畸形波预报精度提供了可行方案.