融合海鸥算法及LSTM的燃料电池城市客车车速预测研究

摘要

针对燃料电池城市客车车速预测精度低的问题，提出改进海鸥优化算法(ISOA)和长短期记忆神经网络(LSTM)相结合的车速预测模型。以标准工况驾驶循环数据库为训练集，以中国典型城市公交循环工况为测试集，使用引入莱维飞行、柯西变异等策略改进后的海鸥优化算法，确定LSTM最优参数，建立基于城市道路的ISOA-LSTM燃料电池城市客车车速预测模型，与LSTM模型、SOA-LSTM模型和GWO-LSTM模型进行对比。结果表明：基于ISOA-LSTM的车速预测模型的均方根误差为1.965,平均绝对误差为1.570,决定系数为0.983,预测精度更高。

关键词

燃料电池城市客车 / 车速预测 / 改进海鸥优化算法 / LSTM神经网络