基于貝葉斯與元學(xué)習(xí)的氨氮濃度預(yù)測模型優(yōu)化

摘要： 針對小樣本數(shù)據(jù)下氨氮濃度模型預(yù)測精度不高、收斂速度較慢的問題，采用長短期記憶網(wǎng)絡(luò)（long short-term memory,LSTM）建立氨氮濃度預(yù)測模型，并利用貝葉斯優(yōu)化算法和元學(xué)習(xí)機制對模型進(jìn)行優(yōu)化。其中貝葉斯優(yōu)化算法用來優(yōu)化預(yù)測模型的超參數(shù)，同時給出模型參數(shù)的初始值，再使用Meta-LSTM算法學(xué)習(xí)模型梯度并允許優(yōu)化器之間進(jìn)行參數(shù)共享和更新，最終實現(xiàn)對氨氮濃度預(yù)測模型...