CN119539202A 一种适用于地下建筑空间的空气质量预测方法 (中铁十七局集团第二工程有限公司)_第1页
CN119539202A 一种适用于地下建筑空间的空气质量预测方法 (中铁十七局集团第二工程有限公司)_第2页
CN119539202A 一种适用于地下建筑空间的空气质量预测方法 (中铁十七局集团第二工程有限公司)_第3页
CN119539202A 一种适用于地下建筑空间的空气质量预测方法 (中铁十七局集团第二工程有限公司)_第4页
CN119539202A 一种适用于地下建筑空间的空气质量预测方法 (中铁十七局集团第二工程有限公司)_第5页
已阅读5页,还剩28页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种适用于地下建筑空间的空气质量预测本发明涉及一种适用于地下建筑空间的空收集地下建筑空间内与空气质量相关的多源数据集中的时间序列数据按照一定比例划分为测型,并利用改进的个体与集体学习平衡策略对2S1、收集地下建筑空间内与空气质量相关的S2、构建基于LSTM的预测模型使用长短期记忆网络建模时间S3、将训练集输入LSTM的预测模型,并利用改进的体学习阶段中引入多样性维护机制并引入基于距离的惩罚项,对过于接近全局最优解;数,为第k次迭代的全局最优解,为第k_1次迭代的;S4、将测试集中的输入高特征变量输入高性能d,大于th,则a视为异常点剔除。3略的代理个体位置为二维向量,即每个代理个体位置X;为{X1,X:},将每个代理个体位置解析后即为地下建筑空间的空气质量预测模型训练过程中最佳的学习率r和隐藏单元;述利用改进的个体与集体学习平衡策略对LSTM的预测模型的学习率r和隐藏单元数h整定,S301、随机初始化每个代理个体的位置,利用适S302、当前迭代次数是否满足大于最大迭代次数新,将当前最小适应度值对应的代理个体位S303、利用改进的个体与集体学习平衡策略对代体学习阶段的寻优数学模型和改进的集体学习阶段的寻优数学模型对代理个体位置更新;;式中,为第i个代理第k+1次迭代的位置,为第i个代理第k次迭代的位置,4;式中,为第i个代理第k+1次迭代的位置,为第i个代理第k次迭代的位置,函数的标准差平方;;P为动态切换因子,rank(x)为当前代理个体在适应度正序分布中的排名,S304、利用适应度函数计算更新后的代理个体位5[0009]S3、将训练集输入LSTM的预测模型,并利用改进的个体与集体学习平衡策略对6体学习阶段中引入多样性维护机制并引入基于距离的惩罚项,对过于接近全局最优解学模型。;时间序列数据集为{ar1,ara…,aq},每个数据点计算其与k个最近邻的数据点的平均距离,将所有数据点的平均邻域距离存储为数组{d,da…,dq},根据平均邻域距离和平均邻域距离标准差定义动态阈值th,对每个数据点a,比较其平均邻域距离d,与动态阈值,若7代理个体位置为{xi,xrg},将每个代理个体位置与一组学习率r和隐藏单元数h数对代理个体位置评估,调整改进的个体与集体学习平衡策略对代理个体位置的更新方;根据设计,适应度值越小说明当前针对地下建筑空间的空气质量预测模型训练的精度越;式中,为第i个代理第k+1次迭代的位置,为第i个代理第k次迭代的位置,为第i个代理在其搜索历史中发现的最优解,N(0,p:)服从高斯分布的随机扰;8;;式中,为第i个代理第k+1次迭代的位置,为第i个代理第k次迭代的位[0020]进一步的,计算第i个代理个体X;与其他代理个体X;的加权平均距离,并通过[0022]进一步的,利用改进的个体与集体学习平衡策略对LSTM的预测模型的学习率r和的适应度值,记录当前最小适应度值对应的代理个体位置,记为第k次迭代的全局最优解9;的个体学习阶段的寻优数学模型和改进的集体学习阶段的寻优数学模型对代理个体位置;P为动态切换因子,rank(x)为当前代理个体在适应度正序分布中的排策略优化LSTM超参数,改进的个体与集体学习平衡策略在个体学习阶段结合历史最优解,图2为本发明提供的改进的个体与集体学习平衡策略对LSTM的预测模型的学习率图3为ICSS_LSTM预测方法和本发明预测方法对LSTM的预测模型训练过程中对学图4为ICSS_LSTM预测方法和本发;为其中j=1,...,m;将所有数据点的平均邻域距离存储为数组点a,比较其平均邻域距离d,与动态阈值,若d,大于th,则a视为异常点剔除;其中动态阈值th定义为:th=mean({d,da,…,dq})+std({d,day…,dqy),其中mean为[0032]S3、将训练集输入LSTM的预测模型,并利用改进的个体与集体学习平衡策略对略对LSTM的预测模型的学习率r和隐藏单元数h整定得到的最佳的学习率r和隐藏单元数h的适应度值,记录当前最小适应度值对应的代理个体位置,记为第k次迭代的全局最优解;的个体学习阶段的寻优数学模型和改进的集体学习阶段的寻优数学模型对代理个体位置;P为动态切换因子,rank(x)为当前代理个体在适应度正序分布中的排50;然后定义适应度函数模型复杂度当前针对地下建筑空间的空气质量预测模型训练的精度越高,即当前的学习率r和隐藏单{xi,xrg},将每个代理个体位置与一组学;式中,为第i个代理第k+1次迭代的位置,为第i个代理第k次迭代的位置,为第i个代理在其搜索历史中发现的最优解,N(0,p:)服从高斯分布的随机扰;;;式中,为第i个代理第k+1次迭代的位置,为第i个代理第k次迭代的位略对地下建筑空间的空气质量预测优化(ICSS_LSTM与本发明提出的改进的高性能的地练过程中对学习率r和隐藏单元数h整定的适应度对比图,ICSS_LSTM预测方法在前10次迭发明方法在测试集中大部分样本上的预测误差明显小于ICSS_LSTM方法,误差波动范围较

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论