为解决因地下水相关因素未考虑充分而导致的模型对地下水位预测不准确的问题,提出观测井的空间位置距离聚类方法、水文地质属性聚类方法和距离-属性混合聚类方法,验证观测井间连通性在地下水位预测中的重要性。设计4种模型并分别对济南...为解决因地下水相关因素未考虑充分而导致的模型对地下水位预测不准确的问题,提出观测井的空间位置距离聚类方法、水文地质属性聚类方法和距离-属性混合聚类方法,验证观测井间连通性在地下水位预测中的重要性。设计4种模型并分别对济南岩溶水域的地下水位进行模拟和预测并与实际观测值对比。预测结果表明:考虑岩溶含水层连通性特征的联合模型ConvLSTM(convolution-long short term memory)要优于传统的长短期记忆网络模型(long short term memory, LSTM)。其中考虑距离-属性混合聚类结果的同类别井(连通性强)的模型(mix-multivariate-convolution-long short term memory, M-MV-ConvLSTM)预测结果精度最高、误差最小,其平均均方根误差约为0.457,纳什效率系数约为0.216,预测准确度高于传统的LSTM预测模型。研究成果可为岩溶水域的实时地下水位预测提供借鉴。展开更多
针对装甲车辆运动状态复杂性、战场态势不确定性、战术迷惑和欺骗性导致装甲车辆集群运动轨迹难以准确预测的问题,提出一种基于密度的空间聚类应用(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)和长短时记忆(L...针对装甲车辆运动状态复杂性、战场态势不确定性、战术迷惑和欺骗性导致装甲车辆集群运动轨迹难以准确预测的问题,提出一种基于密度的空间聚类应用(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)和长短时记忆(Long Short Term Memory,LSTM)神经网络的装甲车辆集群轨迹预测方法。根据装甲车辆的斜坡上行驶、转向和车-车交互行驶状态,建立运动学模型。选取机动特征、环境特征和车-车交互特征等轨迹特征信息,基于双层LSTM网络预测单个装甲车辆的轨迹。基于DBSCAN算法将多条单装预测轨迹进行分段、相似度计算和聚类,获得集群代表轨迹作为装甲车辆集群的预测轨迹。仿真结果表明,所提方法能够有效预测装甲车辆集群轨迹,实现料敌于先、谋敌于前。展开更多
文摘为解决因地下水相关因素未考虑充分而导致的模型对地下水位预测不准确的问题,提出观测井的空间位置距离聚类方法、水文地质属性聚类方法和距离-属性混合聚类方法,验证观测井间连通性在地下水位预测中的重要性。设计4种模型并分别对济南岩溶水域的地下水位进行模拟和预测并与实际观测值对比。预测结果表明:考虑岩溶含水层连通性特征的联合模型ConvLSTM(convolution-long short term memory)要优于传统的长短期记忆网络模型(long short term memory, LSTM)。其中考虑距离-属性混合聚类结果的同类别井(连通性强)的模型(mix-multivariate-convolution-long short term memory, M-MV-ConvLSTM)预测结果精度最高、误差最小,其平均均方根误差约为0.457,纳什效率系数约为0.216,预测准确度高于传统的LSTM预测模型。研究成果可为岩溶水域的实时地下水位预测提供借鉴。
文摘针对装甲车辆运动状态复杂性、战场态势不确定性、战术迷惑和欺骗性导致装甲车辆集群运动轨迹难以准确预测的问题,提出一种基于密度的空间聚类应用(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)和长短时记忆(Long Short Term Memory,LSTM)神经网络的装甲车辆集群轨迹预测方法。根据装甲车辆的斜坡上行驶、转向和车-车交互行驶状态,建立运动学模型。选取机动特征、环境特征和车-车交互特征等轨迹特征信息,基于双层LSTM网络预测单个装甲车辆的轨迹。基于DBSCAN算法将多条单装预测轨迹进行分段、相似度计算和聚类,获得集群代表轨迹作为装甲车辆集群的预测轨迹。仿真结果表明,所提方法能够有效预测装甲车辆集群轨迹,实现料敌于先、谋敌于前。
