TD-LSTM-S模型在二氧化碳浓度预测中的应用

针对传统预测模型无法利用多元数据变量间内在联系的问题,提出了基于张量分解和序列最小二乘规划(SLSQP)优化的长短期记忆神经网络(LSTM)模型TD-LSTM-S。在模型中将数据构建成张量并对其进行分解与优化,使数据能够保留变量间的内在联系,采用SLSQP算法进行优化,使LSTM能够有效利用变量间的内在联系,提高模型的预测性能。实验结果表明:提出的TD-LSTM-S模型较传统模型具有更高的预测性能。