《表1 语言决策矩阵：一种基于DCNN-LSTM混合模型的RUL预测方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于DCNN-LSTM混合模型的RUL预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在固定卷积层数和卷积核数目的前提下，本文进行堆叠的长短时记忆网络结构优化，涉及到的模型结构参数包括长短时记忆网络层数和神经元的数量，这是堆叠的LSTM网络模型的重要超参数，直接影响结构模型预测的准确率。网络搜索法是一种穷举搜索方法[10]，首先对LSTM层数和神经元数量进行排列组合形成一个二维网格，并验证网格中的每个参数以选择最佳网络结构参数。最后具备最佳验证预测性能的参数被认为是最优的，并用于剩余寿命模型预测中。对于网格搜索算法而言，搜索比较全面而且利用到的每组参数是相互独立的，并行性较高，在参数一定的条件下，其运算复杂度比较出众。此方法容易实现，对计算资源的要求比较低。故选择网格搜索法进行优化可降低计算时间。其网格优化参数如表1所示。