基于LSTM循环神经网络的盐城汽车试验场气温预测模型研究

摘要

随着整车道路试验法规日益完善,气温环境因素对汽车动态气动特性的影响备受关注。文章利用长短期记忆网络(Long Short-Term Memory Networks,LSTM),搭建气温预测模型,依托中汽中心盐城汽车试验场2018-2019年气温数据进行模型训练和预测分析。结果显示,模型预测结果与实际值的最高气温平均差值和最低气温平均差值都不超过2°C,准确率达64.1%。结论是气温预测模型在整车道路试验环境边界条件采集、分析和监控等方面的应用具有重要的实际意义。