一种基于ARIMA-LSTM模型的氢燃料电池寿命预测方法及系统

本发明公开了一种基于ARIMA‑LSTM模型的氢燃料电池寿命预测方法及系统，所述方法包括基于多源异构传感器数据，通过动态对齐与归一化处理构建训练数据集，将ARIMA残差与多源特征拼接为输入向量，输入LSTM网络捕捉非线性退化关系，通过引入注意力机制，动态增强关键时间步特征的影响权重，输出剩余寿命预测值；以均方误差为适应度函数，对LSTM的学习率和隐含层节点数超参数进行全局搜索，通过改进蜘蛛峰算法优化LSTM，迭代优化模型性能；设计残差反馈机制；所述系统包括数据处理模块、预测模块、优化模块以及协同反馈模块。本发明显著提升非线性动态捕捉能力；避免传统梯度下降法的局部最优陷阱；设计双向修正策略，提升了预测的鲁棒性和精度。