典型文献
基于ARIMA-LSTM模型的核电厂运行事件变化分析及预测
文献摘要：
探讨Mann-Kendall检验法、差分自回归移动平均模型(Autoregressive Mobile Average Model,ARIMA)与长短期记忆神经网络(Long and Short-Term Memory,LSTM)的组合模型在《中国的核安全》、《核安全年报》中核电厂运行事件数量的应用,对运行事件数量进行趋势分析、突变分析和预测并证明模型的适用性.利用1991～2018年核电厂运行事件数量,使用R软件建立ARIMA(2,1,2)模型,得到运行事件数量的线性部分;建立LSTM模型,对偏差序列进行预测,得到运行事件数量的非线性部分;最后建立ARIMA和LSTM组合模型,利用组合模型对运行事件数量进行预测,并根据实测数据对预测结果进行对比验证.实验结果表明:ARIMA和LSTM组合模型可较好地拟合运行事件数量时间序列,并修正单一模型的误差,有效提高预测精度3％,且得到的2019～2020年核电厂运行事件数量预测值与《核安全年报》相近.
文献关键词：
Mann-Kendall检验法;ARIMA模型;LSTM模型;时间序列;运行事件
中图分类号：
作者姓名：
侯秦脉;朱伟;邹象;刘时贤;吴彦农
作者机构：
生态环境部核与辐射安全中心 北京 102445
文献出处：
引用格式：
[1]侯秦脉;朱伟;邹象;刘时贤;吴彦农-.基于ARIMA-LSTM模型的核电厂运行事件变化分析及预测)[J].核技术,2022(12):65-72
A类：
B类：
ARIMA,核电厂运行,运行事件,变化分析,Mann,Kendall,检验法,差分自回归移动平均模型,Autoregressive,Mobile,Average,Model,长短期记忆神经网络,Long,Short,Term,Memory,组合模型,核安全,年报,件数,量的应用,突变分析,对比验证
AB值：
0.222049
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
