基于SGA+DWT的BiLSTM滚动预测优化模型

摘要：

根据深圳市2015年1月1日～2019年12月31日的无空缺逐日供水序列,运用自适应矩估计(AME)+最小二乘(LS)求解模型,利用自发式遗传算法(SGA)和离散小波变换(DWT)解决模型局部最优解及高频分量的过滤问题,并在图形处理单元(GPU)上训练模型,并进行滚动预测.结果表明,SDBiLSTMR模型的泛化能力较强,长期预测的均方误差(MSE)较小,纳什系数(NSE)较高,模型稳定性及可靠性强,最接近无偏估计,且在GPU上的训练时间比中央处理单元(CPU)有明显提升.研究解决了长短时记忆(LSTM)在长期预测中泛化能力变差的问题,能给其他时间序列模型提高长期预测精度提供借鉴,具有较强的实用价值.

关键词：预测优化模型;自发式遗传算法;离散小波变换;双向长短时记忆;滚动预测;泛化能力;预测精度

所属期刊栏目：47

分类号：TV214

资助基金：国家自然科学基金资助项目;国家重点研发计划

在线出版日期：2021-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：9-14,25