改进果蝇算法优化CIAO-LSTM网络的时序预测模型

摘要：

为了提高时间序列的预测精度,提出了一种基于改进果蝇算法优化直连长短期记忆网络的时间序列预测方法.将长短期记忆网络的多个时间步输入与输出进行全连接(CIAO-LSTM,直连长短期记忆网络),增强了对目标系统中线性成分的表征.提出了一种改进的果蝇优化算法(IFOA),通过动态改变果蝇的搜索半径和对适应度函数增加逃脱系数,提高了果蝇优化算法的全局寻优能力和局部收敛速度.使用IFOA优化CIAO-LSTM网络参数并构建预测模型(IFOA_CIAO-LSTM).实验结果表明,优化后的时序预测方法相比传统的长短期记忆网络泛化能力更强、预测精度更高,对于波动较大的数据可以实现更好的拟合.

关键词：改进果蝇优化算法、直连长短期记忆网络、时序预测、预测精度

所属期刊栏目：56

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家青年科学基金;山西省科技攻关项目

在线出版日期：2020-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：129-134