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...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。展开更多
文摘当前国内“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。