基于粒子群算法优化LSTM的地铁牵引能耗预测方法

摘要

本发明公开了一种基于粒子群算法优化LSTM的地铁牵引能耗预测方法，方法为：首先获取地铁牵引能耗原始数据，根据灰色关联分析法选取牵引能耗的影响因素作为模型的输入；然后将数据集分为训练集和测试集，对训练集数据进行归一化处理；接着用改进的粒子群算法优化LSTM神经网络预测模型的超参数，结合训练样本和所得的最优参数组合构建用于地铁牵引能耗预测的LSTM网络模型；最后将测试集输入回归预测模型，预测地铁下个时间段的牵引能耗值。本发明提高了LSTM神经网络超参数寻优的搜索能力，提高了地铁牵引能耗预测的准确率。