一种基于PSOABC-LSTM的电子鼻混合气体浓度预测方法

发明专利有效专利

申请号：
CN202110052181.2
IPC分类号：G06F30/25;G06F30/27;G06N3/00;G06N3/04;G06N3/08;G06F113/08
申请日期：
2021-01-15
申请人：
重庆邮电大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于PSOABC-LSTM的电子鼻混合气体浓度预测方法
申请号	CN202110052181.2	申请日期	2021-01-15
法律状态	实质审查	申报国家	中国
公开/公告日	2021-06-01	公开/公告号	CN112883626A
优先权	暂无	优先权号	暂无
主分类号	G06F30/25	IPC分类号	G;0;6;F;3;0;/;2;5;;;G;0;6;F;3;0;/;2;7;;;G;0;6;N;3;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;F;1;1;3;/;0;8查看分类表>
申请人	重庆邮电大学	申请人地址	重庆市南岸区崇文路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	重庆邮电大学	当前权利人	重庆邮电大学
发明人	王洁;陶洋;梁志芳;刘翔宇;曾柯伟
代理机构	暂无	代理人	暂无

摘要

本发明提出了一种基于PSOABC‑LSTM的电子鼻混合气体浓度预测方法，该方法对数据进行归一化和延迟处理，得到预处理好的数据，利用LSTM作为基础网络结构，采用粒子群算法和人工蜂群算法进行嵌入融合，对LSTM的超参数进行迭代优化，得到电子鼻气体浓度预测模型；对气体进行浓度预测，将测试数据集输入模型，得到气体浓度的预测值。本发明的优点在于结合了粒子群算法和人工蜂群算法的优点，解决LSTM的超参数依赖于先验经验和实验误差给出的问题，提高了电子鼻对混合动态气体浓度预测的精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供