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：山东科技大学

摘要：本发明属于碳排放预测技术领域，公开了一种基于ISWO‑LSTM模型的碳排放量预测方法及系统，该方法利用LSTM对碳排放进行预测，同时引入蜘蛛蜂算法SWO并且针对SWO算法进行了改进，首先通过引入Tent混沌映射进行种群初始化，提升了解的初始分布的均衡性与探索性，丰富种群多样性；其次引入自适应惯性权重，以平衡算法的全局搜索能力和局部开发能力，提高算法的收敛速度和收敛精度；最后采用柯西变异策略，对蜘蛛蜂的位置信息进行全局搜索阶段的变异处理，避免算法陷入局部最优，通过以上改进得到ISWO算法，本发明基于ISWO算法对LSTM模型的超参数寻优，利于提高LSTM模型预测碳排放量的准确性。

主权项：1.一种基于ISWO-LSTM模型的碳排放量预测方法，其特征在于，包括如下步骤：步骤1.对碳排放数据进行预处理，将电力数据、交通流量数据、工业数据、居民消费数据和历史碳排放量值确定为预测模型的输入特征变量；步骤2.搭建基于LSTM模型的碳排放量预测模型，同时基于改进的蜘蛛蜂优化算法ISWO优化LSTM模型的超参数，得到具有最优超参数的LSTM模型；步骤3.利用预处理的碳排放数据对具有最优超参数的LSTM模型进行训练，得到训练好的碳排放量预测模型，并利用训练好的碳排放量预测模型对碳排放量进行预测；所述步骤2中，ISWO算法是在传统的蜘蛛蜂优化算法进行如下改进得到的：首先通过引入Tent混沌映射进行种群初始化，以提升解的初始分布的均衡性与探索性，丰富种群多样性；其次通过引入自适应惯性权重，以平衡算法的全局搜索能力和局部开发能力，提高算法的收敛速度和收敛精度；最后采用柯西变异的策略，对蜘蛛蜂的位置信息进行全局搜索阶段的变异处理，以避免算法陷入局部最优；所述步骤2中，利用ISWO优化LSTM模型的超参数的过程如下：步骤2.1.初始化LSTM网络参数，确定超参数的取值范围，对数据预处理并输入数据；步骤2.2.确定改进的蜘蛛蜂优化算法ISWO算法的权衡率TR、交叉率CR、种群数以及最大迭代数，使用Tent混沌映射初始化ISWO种群；步骤2.3.进行模型训练，使用MAE作为适应度函数评估在当前超参数配置下的性能，并根据适应度函数的值来，比较个体适应度以找出最佳的位置；步骤2.4.在算法跟随和逃跑阶段引入自适应惯性权重，基于自适应惯性权重更新蜘蛛蜂个体的位置，计算更新后个体的适应度，并判断是否比历史最优适应度小；如果是，则更新全局最优个体和最优适应度值；否则，保持不变；步骤2.5.利用柯西变异公式对每次迭代寻优得到的最优值进行柯西变异，计算出变异后的最优个体适应度值，比较每次迭代的最优适应度值并择优保留；步骤2.6.当达到最大迭代次数时，结束迭代，得到全局最优个体，输出最优超参数；否则，若当前迭代次数未达到最大迭代次数，则返回步骤2.4搜索全局最优个体；所述步骤2.5中，柯西变异对最优个体更新公式如下公式所示：xnewbest＝xbest×1+η×Cauchy0,1；其中，xbest为当前迭代的最优个体值；xnewbest为经过柯西变异后的最优个体值，Cauchy0,1为柯西变异分布，η是一个用来控制变异步长的常数。

全文数据：

权利要求：

百度查询： 山东科技大学 基于ISWO-LSTM模型的碳排放量预测方法及系统