【LSTM预测】基于鲸鱼算法优化LSTM实现数据预测附matlab代码

1 简介

换流变压器作为特/超高压直流输电系统中的关键设备,对变压器用绝缘纸剩余寿命进行有效预测,可为换流变压器的运行维护提供一定的理论依据,鉴于此,提出一种基于鲸鱼优化算法(WOA)和长短期记忆网络(LSTM)的预测方法.首先,结合绝缘纸加速机-热老化实验及试样的机械,电气性能指标和对应裂解产物的糠醛含量,由主成分分析法(PCA)对聚合度,糠醛含量和特征频率下介质损耗因数等表征绝缘纸老化的多特征量进行融合;获得综合评估指标与绝缘纸抗张强度间的量化关系,并依此将绝缘性能优良和严重劣化时对应的抗张强度分别作为正,负理想值;进一步构建贴近度构建退化指标序列并将其作为模型输入.然后,利用鲸鱼优化算法对长短期记忆网络的关键参数进行寻优.最后,构建WOA-LSTM模型对绝缘纸剩余寿命进行预测.研究表明,所提出的WOA-LSTM模型既纳入了可表征绝缘纸老化状态的多个特征量,亦显著提高剩余寿命的预测精度,可为换流变压器绝缘系统安全稳定运行提供有力保障.

1.1 鲸鱼优化算法（Whale Optimization Algorithm，WOA）

1.2 LSTM模型

1.3 基于鲸鱼算法优化LSTM流程

2 部分代码

%输入LSTM的时间序列交替一个时间步

XTrain = dataTrainStandardized(1:end-1);

YTrain = dataTrainStandardized(2:end);

%%

%创建LSTM回归网络，指定LSTM层的隐含单元个数96*3

%序列预测，因此，输入一维，输出一维

numFeatures = 1;

numResponses = 1;

numHiddenUnits = 20*3;

layers = [ ...

    sequenceInputLayer(numFeatures)

    lstmLayer(numHiddenUnits)

    fullyConnectedLayer(numResponses)

    regressionLayer];

%指定训练选项，求解器设置为adam， 250 轮训练。

%梯度阈值设置为 1。指定初始学习率 0.005，在 125 轮训练后通过乘以因子 0.2 来降低学习率。

options = trainingOptions('adam', ...

    'MaxEpochs',500, ...

    'GradientThreshold',1, ...

    'InitialLearnRate',0.1, ...

    'LearnRateSchedule','piecewise', ...

    'LearnRateDropPeriod',125, ...

    'LearnRateDropFactor',0.1);

%     'Verbose',0, ...

%     'Plots','training-progress');

%  options = trainingOptions('sgdm', ...

%           'LearnRateSchedule', 'piecewise', ...

%           'LearnRateDropFactor', 0.2, ...

%           'LearnRateDropPeriod', 5, ...

%           'MaxEpochs', 20, ...

%           'MiniBatchSize', 300);

%训练LSTM

net = trainNetwork(XTrain,YTrain,layers,options);

dataTestStandardized = (dataTest );

XTest = dataTestStandardized(1:end-1);

net = resetState(net);

net = predictAndUpdateState(net,XTrain);

YPred = [];

numTimeStepsTest = numel(XTest);

for i = 1:numTimeStepsTest

    [net,YPred(:,i)] = predictAndUpdateState(net,XTest(:,i),'ExecutionEnvironment','cpu');

end

%使用先前计算的参数对预测去标准化。

% YPred = sig*YPred + mu;

%计算均方根误差 (RMSE)。

YTest = dataTest(2:end);

rmse = sqrt(mean((YPred-YTest).^2))

%将预测值与测试数据进行比较。

figure

subplot(2,1,1)

plot(YTest)

hold on

plot(YPred,'.-')

hold off

legend('观测值','预测值')

ylabel('Loads')

title('Forecast with Updates')

subplot(2,1,2)

stem(YPred - YTest)

xlabel('Days')

ylabel('Error')

title('RMSE ' )

figure

subplot(2,1,1)

plot(dataTrain(1:end-1))

hold on

idx = numTimeStepsTrain:(numTimeStepsTrain+numTimeStepsTest);

plot(idx,[data(numTimeStepsTrain) YPred],'.-')

hold off

xlabel('Days')

ylabel('Loads')

title('Forecast')

legend('Observed', 'Forecast')

subplot(2,1,2)

plot(data)

xlabel('Days')

ylabel('Loads')

title('Daily load')

3 仿真结果

4 参考文献

[1]于永进, 姜雅男, and 李长云. "基于WOA-LSTM模型的机-热老化绝缘纸剩余寿命预测方法.". 

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9  雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计