基于双向长短时记忆神经网络的SF6湿度预测方法和装置

本发明公开了基于双向长短时记忆神经网络的SF6湿度预测方法和装置，所述方法包括：对光强信号和环境温度数据进行傅里叶变换和归一化处理，得到归一化数据集；通过BiLSTM模型对归一化数据集进行数据预测，得到SF6气体湿度值；其中，BiLSTM模型是根据归一化数据集对初始BiLSTM模型进行反向传播训练得到。本发明提出基于双向长短时记忆神经网络的SF6湿度预测方法和装置，通过对光强信号与环境温度数据进行傅里叶变换和归一化处理，能提取关键特征、消除量纲差异，并识别周期性成分；利用这些预处理后的数据训练初始BiLSTM模型，可以降低预测误差，从而根据训练后的BiLSTM模型准确预测出SF6气体湿度值，能够解决难以根据有限样本准确预测SF6气体湿度值的问题。