基于Adam优化神经网络的电梯群控算法

摘要

针对传统BP神经网络搭建的电梯群控算法中出现的易于陷入局部极值、收敛速度慢、预测值与实际值偏差较大等问题,本文通过分析研究,在使用BP神经网络,拟合某台电梯对某一楼层呼梯信号响应满意度函数的基础上,应用Adam算法优化神经网络的权值和阈值,使用Dropout缓解过拟合现象,减小误差,提高网络预测精度。仿真结果表明,与传统的优化算法相比,此算法收敛速度更快,模型预测准确率更高,减少了候梯时间,提高了电梯运载效率。