WOA 中每个座头鲸的位置代表一个潜在解,通过在解空间中不断更新鲸鱼的位置,最终获得全局最优解。 1.3 LSTM 模型 LSTM 深度学习算法与递归神经网络( Recurrent Neural Network ,RNN)的不同之处在于前者在后者的基础上加入了细胞状态和门结两个结构[ 16-17]以此来预测太阳能辐照强度,通过对比可发现LSTM模型的表现...
差分自回归移动平均模型(ARIMA)是一种广泛应用于各领域的预测模型1-19],主要包含自回归模型和移动平均模型2个部分。自回归模型的阶数为p,信号差分的阶数为d,移动平均模型的阶数为q,因此模型通常表示成ARIMA( p,d ,q) ,具体的数学表达式为: ARIMA模型的具体实现过程如下:(1)对所研究的时间序列数据进行平稳性验证...
WOA 中每个座头鲸的位置代表一个潜在解,通过在解空间中不断更新鲸鱼的位置,最终获得全局最优解。 1.3 卷积神经网络 CNN 特征提取的流程见图 1。 通过CNN 特征提取后得到具有时间依赖性的数据,将数据输入到 LSTM 神经网络中进行训练。 长短时记忆网络( LSTM) 是在循环神经网络( RNN)的基础上加以改进而来 1.4...