PSO-LSTM模型供水温度预测效果影响分析  

Analysis of Influence of Prediction Effect of PSO-LSTM Model for Water Supply Temperature

作　　者：郭晓杰 马文菁 曹姗姗 孙春华[1] 夏国强[1] 李孟涵 GUO Xiaojie;MA Wenjing;CAO Shanshan;SUN Chunhua;XIA Guoqiang;LI Menghan

机构地区：[1]河北工业大学能源与环境工程学院,天津300401

出　　处：《煤气与热力》2025年第1期12-16,共5页Gas & Heat

基　　金：河北省高等学校科学技术研究项目“基于多元时序数据挖掘的供热系统用能模式识别与诊断研究”(QN2021212)。

摘　　要：采用粒子群优化算法(PSO)对长短期记忆神经网络(LSTM)预测模型参数进行优化,评价PSO的优化效果,对训练集样本数量对预测效果的影响进行分析。PSO对LSTM预测模型参数的优化,可有效提高预测模型的预测效果。应选取较多的训练数据对预测模型进行训练。The particle swarm optimization algorithm(PSO)was used to optimize the parameters of the long short-term memory(LSTM)neural network prediction model,the optimization effect of PSO was evaluated,and the influence of the number of the training set samples on the prediction effect was analyzed.The optimization of parameters of LSTM prediction model by PSO can effectively improve the prediction effect of the prediction model.More training data should be selected to train the prediction model.

关 键 词：供水温度预测 粒子群优化算法 长短期记忆神经网络 

分 类 号：TU995.3[建筑科学—供热、供燃气、通风及空调工程]