一种基于PSO改进Bi-LSTM模型与多头自注意力的烟叶质量预测方法

本发明公开了一种基于PSO改进Bi‑LSTM模型与多头自注意力的烟叶质量预测方法，涉及烟叶质量预测领域，本方法通过引入粒子群优化PSO算法优化Bi‑LSTM模型的参数，能够有效提高模型的训练效率和预测精度，同时多头自注意力机制则使得模型能够自适应地关注输入数据中各个时间步的重要特征，从而增强了对烟叶质量预测中复杂时序模式的学习能力。本发明通过PSO算法优化Bi‑LSTM模型的过程有效防止了局部最优解的出现，并显著提高了模型的收敛速度，同时多头自注意力机制进一步提升了模型对不同特征间依赖关系的捕捉能力。