一种基于Bi-LSTM的真空汽相焊温度场预测模型

本发明提供一种基于Bi‑LSTM的真空汽相焊温度场预测模型，先通过实验获得实验数据，将获得的实验数据整理为时间序列数值，时间间隔为1s，并通过离散标准化方式，对数据进行标准化处理，获得区间范围为0‑1的时间序列数值。随后通过遗传算法对超参数进行优化处理，构建双向LSTM神经网络模型，将标准化后时间、真空度数值输入Bi‑LSTM神经网络中，然后在模型训练中不断微调损失函数。最后采用均方误差MSE、均方根误差RMSE、绝对均方误差MAE、R2误差作为衡量神经网络误差性能的指标，判断模型的预测精度是否满足要求；进而完成对真空汽相焊温度数据的预测，输出所述真空汽相焊温度场预测模型的预测值。