基于改进的蝗虫优化算法的红细胞供应预测方法
当前国内"血荒"问题比较严峻,血站与用血单位之间存在着血液供不应求的现象.针对这个问题,提出了一种基于改进的蝗虫优化算法的LSTM预测方法,用于对未来的红细胞供应情况进行预测,为血站工作人员在制定采血计划以及制备计划时提供有效的指导.该预测模型通过使用长短期记忆网络(Long-Short Term Memory Network,LSTM)来捕捉历史红细胞库存数据之间的潜在规律,以达到对未来的供应情况进行预测的效果.首先,针对蝗虫优化算法容易陷入局部最优、收敛速度较慢的问题,通过加入基于折射原理的反向学习机制与混沌映射,加快蝗虫优化算法的收敛速度,使其具备更强的搜索能力.其次,为提高LSTM的预测性能,将改进的蝗虫优化算法与LSTM相结合,并使用某地区的红细胞库存真实数据作为实验数据,用于验证改进的LSTM预测模型的性能.与标准LSTM相比,所提方法的MAE,MAPE,RMSE分别降低了39.8278,1.10%,55.8191.实验结果证明,提出的方法具有较高的可靠性.
蝗虫优化算法、反向学习、混沌映射、长短期记忆网络、红细胞供应预测
48
TP389(计算技术、计算机技术)
国家自然科学基金;四川省国际科技创新合作重点项目;四川省科技厅应用基础研究计划项目
2021-03-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
224-230