基于Autoencoder-TCN的航空發動機排氣溫度預測

【摘要】：針對目前航空發動機排氣溫度預測模型精度不高、傳統RNN類神經網絡對飛行數據時間維度信息挖掘不充分的問題,提出了一種結合自編碼器Autoencoder和時間卷積神經網絡TCN的航空發動機排氣溫度預測模型。首先通過Autoencoder方法從飛行數據中提取與排氣溫度相關的特征,以降維后的特征作為輸入,建立TCN網絡深度學習模型,以航空發動機排氣溫度作為輸出,充分挖掘飛行數據的時間維度信息,從而提高模型精度。最后選取真實飛行數據進行實驗,結果表明,與BP、LSTM神經網絡模型相比,該模型的平均絕對百分比誤差由13.035%和9.593%降低至3.369%,有效提高了模型預測精度。