STO-BTCN热误差预测模型建模方法及其迁移学习方法

摘要

本发明公开了一种STO‑BTCN热误差预测模型建模方法，包括如下步骤：1)初始化燕鸥优化算法(STO)的参数；2)创建BTCN神经网络，将燕鸥的初始位置映射为BTCN神经网络的批处理大小和滤波器数量；3)以平均绝对误差(MAE)视为适应度函数；4)判断平均绝对误差(MAE)是否小于设定阈值；5)判断迭代次数是否达到最大值，若是，则终止迭代；若否，则迭代次数加1，并将更新后的燕鸥位置映射为BTCN神经网络的批处理大小和滤波器数量后，循环执行步骤3)；6)以燕鸥优化算法(STO)得到的批处理大小和滤波器数量作为BTCN神经网络的最佳超参数，构建得到STO‑BTCN热误差预测模型。本发明还公开了一种STO‑BTCN热误差预测模型的迁移学习方法。