针对当前考虑弹药消耗多重影响因素所反映的规律不够客观,长时间弹药消耗没有考虑其消耗规律等问题,提出了利用长短期记忆神经网络(long short term memory,LSTM)来分析弹药消耗的规律。通过示例数据的训练集和测试集,来进行弹药消耗的...针对当前考虑弹药消耗多重影响因素所反映的规律不够客观,长时间弹药消耗没有考虑其消耗规律等问题,提出了利用长短期记忆神经网络(long short term memory,LSTM)来分析弹药消耗的规律。通过示例数据的训练集和测试集,来进行弹药消耗的预测。通过对比RNN模型和BP神经网络模型在测试集上的平均绝对误差(mean absolute error,MAE)和均根方差(root mean square error,RMSE),LSTM神经网络在MAE和RMSE上的误差小,对于长时间序列弹药消耗数据有着很好的预测效果。展开更多
文摘针对当前考虑弹药消耗多重影响因素所反映的规律不够客观,长时间弹药消耗没有考虑其消耗规律等问题,提出了利用长短期记忆神经网络(long short term memory,LSTM)来分析弹药消耗的规律。通过示例数据的训练集和测试集,来进行弹药消耗的预测。通过对比RNN模型和BP神经网络模型在测试集上的平均绝对误差(mean absolute error,MAE)和均根方差(root mean square error,RMSE),LSTM神经网络在MAE和RMSE上的误差小,对于长时间序列弹药消耗数据有着很好的预测效果。
