买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国民航大学

摘要：本发明提供了一种基于IALO‑AM‑BiLSTM模型的飞机地面空调能耗预测方法及存储介质，包括：采集飞机地面空调能耗数据，构成数据集；构造IALO‑AM‑BiLSTM模型，模型包括AM‑BiLSTM初始预测模型和IALO超参数优化算法两个部分；利用AM‑BiLSTM初始预测模型的BiLSTM神经网络挖掘数据集的双向时间序列特征，然后通过注意力机制AM对双向时间序列特征赋予不同的权重；使用IALO超参数算法寻找AM‑BiLSTM初始预测模型中使预测部分结果最优的超参数组合；使用最优的超参数组合配置AM‑BiLSTM最终预测模型的超参数；利用AM‑BiLSTM最终预测模型预测地面空调工作的耗电量。

主权项：1.一种基于IALO-AM-BiLSTM模型的飞机地面空调能耗预测方法，其特征在于，包括以下步骤：采集飞机地面空调能耗数据，构成数据集；构造IALO-AM-BiLSTM模型，所述IALO-AM-BiLSTM模型包括AM-BiLSTM初始预测模型和IALO超参数优化算法两个部分；利用AM-BiLSTM初始预测模型的BiLSTM神经网络挖掘数据集的双向时间序列特征，然后通过注意力机制AM对双向时间序列特征赋予不同的权重；使用IALO超参数算法寻找AM-BiLSTM初始预测模型中使预测部分结果最优的超参数组合，其中IALO超参数算法的适应度值为AM-BiLSTM模型预测结果的均方误差；使用最优的超参数组合配置AM-BiLSTM最终预测模型的超参数；利用AM-BiLSTM最终预测模型预测地面空调工作的耗电量；所述IALO超参数优化算法包括两种改进机制：1随机游走空间缩小机制，改进后的数学表达式如下式所示； 式中：ω为收缩因子，t为当前迭代次数，T为最大迭代次数，rand为0-1之间的随机数；2蚂蚁位置更新机制，根据迭代次数非线性动态调整普通蚁狮权重系数β，如下式所示； 式中：β为普通蚁狮权重系数，βmax为普通蚁狮权重系数的最大值，βmin为普通蚁狮权重系数的最小值，t为当前迭代次数，T为最大迭代次数； 为第t次迭代时第i个蚂蚁的位置；为蚂蚁在第t次迭代的普通蚁狮周围随机游走；为蚂蚁在第t次迭代的精英蚁狮周围随机游走；所述AM-BiLSTM初始预测模型或AM-BiLSTM最终预测模型包括：1输入层：将每个时刻的环境数据作为模型的输入，t时刻的输入如下式所示：Xt＝[pre-tempt,post-tempt,pre-humidityt,post-humidityt]式中：Xt为t时刻的输入序列，pre-tempt为t时刻地面空调工作前客舱的初始温度；post-tempt为t时刻地面空调工作完成后客舱的最终温度；pre-humidityt为t时刻地面空调工作前客舱的初始湿度；post-humidityt为t时刻地面空调工作完成后客舱的最终湿度；2BiLSTM层：利用两个方向相反的LSTM神经网络对t时刻的输入序列Xt进行计算，将其输出yt视为地面空调能耗数据的双向时间序列特征；3Dropout层：对地面空调能耗数据的双向时间序列特征按抛弃率进行随机抛弃；4Dense层：将Dropout层的输出在Dense层进行非线性变换；5AM层：将Dense层的输出隐藏状态视为AM层的输入，并计算t时刻AM层的输出st；6输出层：使用全连接层对AM层输出进行降维计算，其激活函数为sigmoid函数，最终输出结果Y即为预测时刻地面空调工作的耗电量。

全文数据：

权利要求：

百度查询： 中国民航大学 基于IALO-AM-BiLSTM模型的飞机地面空调能耗预测方法及存储介质