一种基于ARIMA-LSTM组合模型的航天质谱仪多状态参数预测方法

本发明公开了一种基于ARIMA‑LSTM组合模型的航天质谱仪多状态参数预测方法，属于航空航天领域，包括对航天质谱仪的6种状态参数进行采集，根据采集到的状态参数数据建立数据集；划分为训练集和测试集；对训练集进行EMD模态分解，提取数据的线性部分的多个线性本征模函数和非线性部分的非线性残差；线性本征模函数用于训练ARIMA模型，对数据线性部分进行预测；非线性残差部分用于训练LSTM模型，对数据非线性部分进行预测；将测试集分为两个子集，第一子集选取500个数据使用灰狼优化算法根据预测误差确定组合模型的权重，第二子集用于验证模型预测效果；根据组合模型权重对LSTM模型和ARIMA模型进行融合。本发明采用上述方法提高了预测精度并且适用于不同的状态参数。