基于改进鲸鱼算法优化LSTM的粮油温度预测

针对粮油温度预测问题,提出一种基于改进鲸鱼优化算法(IWOA)优化长短时记忆神经网络(LSTM)的粮油温度预测模型.针对传统WOA算法收敛速度慢和容易陷入局部最优等问题,提出了应用Logistic混沌映射、Levy飞行策略等方法来提升WOA算法的种群丰富度和搜索能力的方法.采用真实粮油温度值与多种模型预测值对比,IWOA-LSTM的MAE、RMSE比其他模型分别降低了13.64%~68.33%、6.06%~60.39%,R^(2)提高了1.65%~14.27%.结果表明,本文所提模型可以准确预测未来粮油温度变化趋势.