Abstract：
提出了一种基于长短期记忆神经网络的智慧路灯控制方法，实现了能够根据路面能见度情况进行自适应调光的智慧路灯。选择PM2.5、PM10、湿度、累积风速四种气象因子作为输入，采用长短期记忆神经网络实现对路面能见度的建模，并使用Adam算法优化模型。智慧路灯根据建模所得能见度与照度信息，在高能见度时，自动采用普通亮度与高色温照明模式，有效节约能源；在低能见度时输出更高的亮度与更低的色温，增强路灯透雾能力，保证路面照度符合需求。通过实验分析，该模型的预测值与真实能见度之间正则化均方根误差为0.13194、平均绝对误差为0.69785 km以及决定系数为0.85725,优于所选的对比模型。相比于传统路灯控...
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
照明工程学报
ISSN： 1004-440X
CN： 11-3029/TM
Year： 2022
Issue： 03
Volume： 33
Page： 148-154
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 3
Affiliated Colleges：
