基于LSTM的双阶段优化温度预测算法研究
吴晓龙1
杨慧炯2
1.太原师范学院计算机科学与技术学院 山西晋中 0306192.太原工业学院计算机工程系 山西太原 030008
摘要：针对工业控制温度预测中LSTM模型存在的预测精度低、梯度噪声干扰显著及超参数优化效率不足问题,文章提出了一种Adam算法与斑马优化算法(zebra optimization algorithm,ZOA)协同的双阶段优化模型.通过Adam算法动态修正梯度方向并调整学习率,抑制训练噪声干扰,提升模型稳定性.利用ZOA模拟斑马群体觅食-迁徙行为,全局优化网络层数、神经元数量及学习率等参数.实验表明:该模型温度预测均方根误差(RMSE)较传统LSTM、GA-LSTM以及PSO-LSTM分别降低86％、85％和84％,准确率达98％,验证了双阶段优化机制的有效性,为工业温控提供可靠解决方案.
关键词：LSTMAdam算法斑马优化算法温度预测
资助基金：山西省科技战略研究专项重点项目(202304031401011)
论文发表日期：2025-11-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 8-11 )