基于二维卷积神经网络的城市暴雨内涝积水模拟预报研究

1

作者 柴永丰 陈敏 +4 位作者 郝彦龙 肖家清 邓蔚珂 吕凯 师鹏飞 《水文》 北大核心 2025年第3期17-24,共8页

城市内涝灾害频发,开展精准高效的预报、预警和预演对于城市内涝防控和防洪排涝规划具有重要意义。基于水动力学模型的城市雨洪模拟面临计算效率低、建模资料需求大等问题,难以支撑“四预”实现。本研究以扬州新城河片区为研究区,建立... 城市内涝灾害频发,开展精准高效的预报、预警和预演对于城市内涝防控和防洪排涝规划具有重要意义。基于水动力学模型的城市雨洪模拟面临计算效率低、建模资料需求大等问题,难以支撑“四预”实现。本研究以扬州新城河片区为研究区,建立时空数据(降雨和地形)驱动的基于二维卷积神经网络的城市内涝积水预测模型,实现研究区全域网格的逐时段模拟。结果表明,模型对积水时空预测性能表现优异,卡帕系数等空间性能指标高于0.80,且半数指标高于0.95,大部分积水点积水深时间序列纳什效率系数为0.80~0.99。相较物理过程模型,训练(率定)和预测效率分别提升77.7倍、285.2倍。研究成果可为城市内涝实时预报、即时预警、快速推演提供技术参考。 展开更多

关键词 城市内涝模拟 二维卷积神经网络(2DCNN) 机器学习 时空特征 快速预报

在线阅读 下载PDF 职称材料

基于二维卷积神经网络的结构加速度数据异常检测研究

2

作者 麻胜兰 钟建坤 +1 位作者 刘昱昊 郑翔 《建筑科学与工程学报》 北大核心 2025年第1期112-120,共9页

为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果... 为提高结构加速度数据异常检测的效率和准确率,提出基于二维卷积神经网络(2D-CNN)的结构加速度数据异常检测方法。通过二维桁架数值模型验证了所提方法的有效性,并研究了2D-CNN卷积层数和加速度噪声水平对数据异常检测效果的影响。结果表明:提出的结构加速度数据异常检测方法能快速准确区分加速度数据异常类型,异常检测的准确率可达97%以上;对于包含信息复杂、数据规模大的样本,采用4层以上的2D-CNN有助于提高加速度数据异常检测的准确率,采用5层卷积层的2D-CNN对数据异常辨识精度可达98%;当加速度信噪比大于1时,数据异常检测准确率均在90%以上,当加速度信噪比为10时,准确率在97%以上,所提方法具有良好的容噪性和鲁棒性;采用2D-CNN的数据异常检测方法可为传感器网络的有效运行提供技术支持。 展开更多

关键词 结构健康监测 二维卷积神经网络 桁架结构 深度学习 加速度 数据异常检测

在线阅读 下载PDF 职称材料

基于二维卷积神经网络的BLDCM驱动系统故障检测方法 被引量：5

3

作者 孙权 于翔海 +2 位作者 李宏胜 黄家才 樊冀生 《电源学报》 CSCD 北大核心 2022年第1期180-187,共8页

针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题,提出一种基于二维卷积神经网络2D-CNN(two-dimensional convolution neural network)自适应特征提取的故障检测方法,避免人工提取特征的复... 针对无刷直流电机驱动系统功率开关管故障诊断存在由于特征提取效果差而导致识别准确率低等问题,提出一种基于二维卷积神经网络2D-CNN(two-dimensional convolution neural network)自适应特征提取的故障检测方法,避免人工提取特征的复杂性及不确定性。以相电流作为故障敏感信号进行FFT预处理,并将一维数据转换为矩阵形式作为2D-CNN的输入数据,然后利用Adam优化的softmax分类器对2D-CNN提取的故障特征进行分类,实现逆变器不同故障模式的状态识别。实验结果表明,2D-CNN模型在不同工况、不同故障模式下的故障诊断准确率均优于多层感知机MLP(multi-layer perceptron)和堆栈去噪自动编码器SDAE(stacked denoising auto encoder)方法。实验结果验证了所提方法的有效性和准确性,可为功率变换系统健康状态评估奠定理论基础。 展开更多

关键词 故障检测 自适应特征提取 二维卷积神经网络 无刷直流电机 逆变器

在线阅读 下载PDF 职称材料

融合注意力机制的二维卷积神经网络测井曲线重构方法 被引量：10

4

作者 翟晓岩 高刚 +3 位作者 李勇根 陈冬 桂志先 王之桢 《石油地球物理勘探》 EI CSCD 北大核心 2023年第5期1031-1041,共11页

密度和声波时差测井曲线是沟通地震与岩石物理学的两条重要曲线,也是目前仅有的能够为测井约束地震反演技术提供可靠的全频带地层弹性信息的两条测井曲线。但实际应用中受井壁垮塌、仪器故障等因素的影响,经常会造成密度和声波时差测井... 密度和声波时差测井曲线是沟通地震与岩石物理学的两条重要曲线,也是目前仅有的能够为测井约束地震反演技术提供可靠的全频带地层弹性信息的两条测井曲线。但实际应用中受井壁垮塌、仪器故障等因素的影响,经常会造成密度和声波时差测井数据失真或缺失,且现有的经验模型法、多元拟合法、岩石物理建模法不但存在着重构目标曲线精度低,而且较难处理两条曲线同时重构的问题。为此,提出了将注意力机制融合到二维卷积神经网络中,以强化深度学习网络捕捉测井曲线自相关和互相关特征信息的能力,提升深度学习网络重构声波和密度测井曲线的精度。以准噶尔盆地超深层致密砂岩为研究对象,首先分析了测井曲线自相关和互相关特征与注意力层权重分布规律的关系;然后分析对比了所提网络与门控循环单元、二维卷积神经网络的预测精度,并对所提网络结构参数进行了优化;最后通过合成地震记录验证了目标曲线校正和缺失重构效果,表明所提网络具有较高的预测精度。 展开更多

关键词 曲线重构 注意力机制 二维卷积神经网络 深度学习 声波测井 密度测井

在线阅读 下载PDF 职称材料

基于二维卷积神经网络的电阻抗成像算法 被引量：3

5

作者 赵少峰 李静 《仪表技术与传感器》 CSCD 北大核心 2022年第7期85-88,105,共5页

电阻抗成像技术(EIT)是一种非侵入、无辐射和成本低的成像技术。其逆问题求解时,传统的解决方法存在空间分辨率差的弊端。为此,提出了二维卷积神经网络(2DCNN)的解决方法。采用该方法,在有噪声和无噪声环境下,对不同形状、大小和位置的... 电阻抗成像技术(EIT)是一种非侵入、无辐射和成本低的成像技术。其逆问题求解时,传统的解决方法存在空间分辨率差的弊端。为此,提出了二维卷积神经网络(2DCNN)的解决方法。采用该方法,在有噪声和无噪声环境下,对不同形状、大小和位置的目标物体进行仿真,并且与Tikhonov和深度学习网络(DNN)算法进行了比较。仿真结果表明2DCNN方法可以有效地提取数据特征,重建的图像相对于其他方法伪影少、分辨率高、成像质量高、抗噪声能力强。 展开更多

关键词 电阻抗成像 逆问题 图像重建 二维卷积神经网络

在线阅读 下载PDF 职称材料

在单片机中应用卷积神经网络实现故障诊断 被引量：2

6

作者 张岷涛 廖文豪 卿朝进 《机械科学与技术》 CSCD 北大核心 2024年第2期282-290,共9页

作者利用深度神经网络进行滚动轴承的智能故障诊断(IFD),将人工智能在低成本小型化平台上实现了应用。作者在文章中优化改进了二维神经网络(CNN2D)的神经网络架构,并将其部署到STM32H743VI单片机,实现了轴承故障振动信号的识别和分类。... 作者利用深度神经网络进行滚动轴承的智能故障诊断(IFD),将人工智能在低成本小型化平台上实现了应用。作者在文章中优化改进了二维神经网络(CNN2D)的神经网络架构,并将其部署到STM32H743VI单片机,实现了轴承故障振动信号的识别和分类。网络的训练和验证使用凯斯西储大学(CWRU)轴承故障数据集,并获得其中的包含10种故障类型的数据。使用基于Tensorflow深度学习框架的Keras工具对CNN2D的神经网络进行训练。验证可知该改进模型对故障识别准确度可以达到98.90%。利用CubeAI工具将网络部署至单片机内。通过串口与电脑进行通信获取随机轴承数据,实测每次诊断运行时间为约为19 ms。 展开更多

关键词 故障诊断 二维卷积神经网络 滚动轴承 Keras

在线阅读 下载PDF 职称材料

基于改进型多维卷积神经网络的微动手势识别方法 被引量：7

7

作者 李玲霞 王羽 +1 位作者 吴金君 王沙沙 《计算机工程》 CAS CSCD 北大核心 2018年第9期243-249,共7页

传统二维卷积神经网络因遗漏时间维度信息导致不能识别微动手势。为此,提出一种基于视频流的微动手势识别方法。对输入视频流进行简单预处理,利用改进型多维卷积神经网络提取手势的时空特征,融合多传感器信息并通过支持向量机实现微动... 传统二维卷积神经网络因遗漏时间维度信息导致不能识别微动手势。为此,提出一种基于视频流的微动手势识别方法。对输入视频流进行简单预处理,利用改进型多维卷积神经网络提取手势的时空特征,融合多传感器信息并通过支持向量机实现微动手势识别。实验结果表明,该方法对手势的背景和光照都具有较好的鲁棒性,且针对各类动态手势数据集能达到87%以上的识别准确率。 展开更多

关键词 计算机视觉 手势识别 二维卷积神经网络 多维卷积神经网络 支持向量机 鲁棒性

在线阅读 下载PDF 职称材料

基于卷积神经网络的智能找矿预测方法--以甘肃龙首山地区铜矿为例 被引量：12

8

作者 李忠潭 薛林福 +4 位作者 冉祥金 李永胜 董国强 李玉博 戴均豪 《吉林大学学报（地球科学版）》 CAS CSCD 北大核心 2022年第2期418-433,共16页

智能找矿预测是数字地质科学的前沿领域.本文基于一种二维卷积神经网络的智能找矿预测方法,以25种元素的水系沉积物数据和航磁数据为找矿预测数据,将已知的矿点作为监督样本,利用步长平移数据增强方法获取了训练数据集,对卷积神经网络... 智能找矿预测是数字地质科学的前沿领域.本文基于一种二维卷积神经网络的智能找矿预测方法,以25种元素的水系沉积物数据和航磁数据为找矿预测数据,将已知的矿点作为监督样本,利用步长平移数据增强方法获取了训练数据集,对卷积神经网络进行训练后,将其应用于未知区域的找矿预测.应用该方法对甘肃省龙首山西段高台县臭泥墩—西小口子地区进行了铜矿智能找矿预测,根据已知的3个铜矿点,获取了22934个训练数据,经过200轮训练之后,预测精度能够达到98.1%,最终圈定了5个预测区,5个预测区均具有良好的铜矿找矿远景. 展开更多

关键词 二维卷积神经网络 数据增强 龙首山西段 铜矿 智能找矿预测

在线阅读 下载PDF 职称材料

耦合递归特征消除与二维CNN的滑坡敏感性评价 被引量：4

9

作者 张沛 李英冰 +1 位作者 张镇平 胡露太 《测绘通报》 CSCD 北大核心 2023年第12期88-93,共6页

针对传统滑坡敏感性评价方法仅考虑滑坡点本身的影响因子信息,而忽略周围空间信息的问题,本文提出了一种耦合递归特征消除与二维卷积神经网络相结合的方法。首先通过递归特征消除对滑坡影响因子进行排序与筛选;其次裁取二维特征因子集... 针对传统滑坡敏感性评价方法仅考虑滑坡点本身的影响因子信息,而忽略周围空间信息的问题,本文提出了一种耦合递归特征消除与二维卷积神经网络相结合的方法。首先通过递归特征消除对滑坡影响因子进行排序与筛选;其次裁取二维特征因子集输入添加了L2正则化、Dropout等优化方法的二维CNN中,顾及滑坡周围的空间信息,在保证模型精度与泛化能力的基础上预测滑坡敏感性;然后以九寨沟地区为试验区,选取高程、岩性等14个相关因子作为滑坡影响因素,预测试验区的滑坡发生概率并绘制滑坡敏感性图;最后使用Logistic模型和带有3种不同核函数(线性核函数、径向基核函数、Sigmoid核函数)的SVM模型进行对比验证。结果表明,本文方法具有最高的准确度与AUC,且具有效性与可靠性。 展开更多

关键词 滑坡敏感性 递归特征消除 二维卷积神经网络 L2正则化 支持向量机

在线阅读 下载PDF 职称材料

小样本下基于DWT和2D-CNN的齿轮故障诊断方法 被引量：1

10

作者 宋庭新 黄继承 +2 位作者 刘尚奇 杜敏 李子平 《计算机集成制造系统》 北大核心 2025年第6期2206-2214,共9页

针对齿轮设备运维过程中故障信号较少的情况,提出一种将离散小波变换(DWT)与二维卷积神经网络(2D-CNN)相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配,实现对齿轮的故障识别。... 针对齿轮设备运维过程中故障信号较少的情况,提出一种将离散小波变换(DWT)与二维卷积神经网络(2D-CNN)相结合的故障识别方法。该方法通过将少量信号经卷积神经网络得到的分类标签与信号的小波能量进行权值分配,实现对齿轮的故障识别。为了充分获取小样本中的信息来训练神经网络,利用离散小波分解、图像变换和Markov变迁场方法对样本信号进行增量和转换。通过验证齿轮箱数据集得到96%的训练准确率和87.5%的分类准确率,同时通过消融实验和对比实验证明,该方法可以有效克服小样本数据中的噪声干扰,使数据得到增强,在齿轮故障识别中具有很好的现实意义。 展开更多

关键词 故障诊断 小样本 二维卷积神经网络 小波变换

在线阅读 下载PDF 职称材料

基于MC2DCNN-LSTM模型的齿轮箱全故障分类识别模型

11

作者 陈蓉 王磊 《机电工程》 北大核心 2025年第2期287-297,共11页

针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题,提出了一种基于多通道二维卷积神经网络(MC2DCNN)与长短期记忆神经网络(LSTM)特征融合的故障诊断方法。首先,设计了一种三通道混合编码的二维样本结构,以达到故障识... 针对轧机齿轮箱结构复杂、故障信号识别困难、故障部位分类不清等难题,提出了一种基于多通道二维卷积神经网络(MC2DCNN)与长短期记忆神经网络(LSTM)特征融合的故障诊断方法。首先,设计了一种三通道混合编码的二维样本结构,以达到故障识别与分类目的,对齿轮箱典型故障进行了自适应分类;其次,该模型将齿轮箱的垂直、水平和轴向三个方向的振动信号融合构造输入样本,结合了二维卷积神经网络与长短时记忆神经网络的优势,设计了与之对应的二维卷积神经网络结构,其相较于传统的单通道信号包含了更多的状态信息;最后,分析了轧制过程数据和已有实验数据,对齿轮故障和齿轮箱全故障进行了特征识别和分类,验证了该模型的准确率。研究结果表明:模型对齿轮箱齿面磨损、齿根裂纹、断齿以及齿面点蚀等典型故障识别的平均准确率达到95.9%,最高准确率为98.6%;相较于单通道信号,多通道信号混合编码方式构造的分类样本极大地提升了神经网络分类的准确性,解调出了更丰富的故障信息。根据轧制过程中的运行数据和实验台数据,验证了该智能诊断方法较传统方法在分类和识别准确率上更具优势,为该方法的工程应用提供了理论基础。 展开更多

关键词 高精度轧机齿轮箱 智能故障诊断 多通道二维卷积神经网络 长短期记忆神经网络 数据分类

在线阅读 下载PDF 职称材料

基于改进CNN-GRU模型的滚动轴承多故障诊断模型

12

作者 张雄 渠伟瀅 +2 位作者 王文强 董乐聪 万书亭 《机电工程》 北大核心 2025年第10期1931-1939,共9页

针对多种工况和故障共存引起的滚动轴承故障,采用传统的基于卷积神经网络的故障诊断模型进行诊断时,存在提取特征不丰富、容易丢失故障敏感信息、计算复杂和准确性低的问题,为此,提出了一种二维卷积神经网络(2D-CNN)与门控循环单元(GRU... 针对多种工况和故障共存引起的滚动轴承故障,采用传统的基于卷积神经网络的故障诊断模型进行诊断时,存在提取特征不丰富、容易丢失故障敏感信息、计算复杂和准确性低的问题,为此,提出了一种二维卷积神经网络(2D-CNN)与门控循环单元(GRU)相结合的滚动轴承多故障诊断模型(2D-CNN-GRU),并采用XJTU-SY和QPZZ-II两个公开轴承数据集,对其有效性进行了验证。首先,采用2D-CNN作为空间特征提取器,获取了信号的多种局部和全局特征,并将GRU层作为信号时序信息特征提取器;然后,对模型的特征提取过程进行了可视化处理;最后,将所选择的有效信号输入2D-CNN-GRU模型中,完成了数据分类,进而完成了轴承故障诊断。研究结果表明:利用XJTU-SY实验数据和QPZZ-II实验数据,验证了该方法在多种工作条件下对多种轴承故障共存的情况具有优秀的分类效果,准确率达到了95%以上。与传统轴承故障诊断方法相比,2D-CNN-GRU模型具有更高的准确性和一定的实际应用价值。 展开更多

关键词 滚动轴承 多故障诊断 二维卷积神经网络 门控循环单元 特征提取 数据预处理

在线阅读 下载PDF 职称材料

基于GADF-CWT-GCNN的滚动轴承故障诊断方法研究

13

作者 张小丽 罗鑫 +2 位作者 李敏 梁旺 王芳珍 《西北工业大学学报》 EI CAS CSCD 北大核心 2024年第5期866-874,共9页

针对滚动轴承故障诊断在小样本环境下引起的模型泛化能力差、诊断精度低的问题,提出一种基于格拉姆角分场(GADF)和连续小波变化(continuous wavelet transform,CWT)与并行二维组归一化卷积神经网络(parallel convolutional neural netwo... 针对滚动轴承故障诊断在小样本环境下引起的模型泛化能力差、诊断精度低的问题,提出一种基于格拉姆角分场(GADF)和连续小波变化(continuous wavelet transform,CWT)与并行二维组归一化卷积神经网络(parallel convolutional neural network,P2D-GCNN)的滚动轴承故障诊断方法。对采集的数据进行预处理,采用格拉姆角场和连续小波变换将一维振动信号转换成二维图像作为模型输入,再选用数据增强技术扩充样本子图,满足网络输入要求,并将其导入搭建的组归一化卷积神经网络中进行诊断检测。结果表明:文中数据处理方法与搭建模型在小样本环境下泛化能力远高于SVM和1D-CNN等其他网络模型。为进一步验证模型在小样本数据下的识别能力,取数据集的70%,40%和20%样本量进行多次实验,所对应的训练准确率及测试准确率分为99.38%,99.02%,99.47%,98.29%,99.05%,97.08%。结果证明,文中模型在小样本环境下对轴承故障诊断具有很高的准确率。 展开更多

关键词 滚动轴承 故障诊断 格拉姆角分场(GADF) 小波变换(CWT) 并行二维卷积神经网络(P2D-GCNN)

在线阅读 下载PDF 职称材料

STFT结合2D CNN-SVM的齿轮箱故障诊断方法 被引量：15

14

作者 谢锋云 汪淦 +3 位作者 王玲岚 李刚 朱海燕 谢三毛 《噪声与振动控制》 CSCD 北大核心 2024年第4期103-109,共7页

为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,S... 为提高齿轮箱故障诊断的有效性和故障识别的准确率,提出一种基于短时傅里叶变换(Short-term Fourier transform,STFT)、二维卷积神经网络(Two-dimensional Convolutional Neural Network,2D CNN)和支持向量机(Support Vector Machine,SVM)相结合的齿轮箱故障识别方法。搭建JZQ250型定轴齿轮箱实验平台,利用加速度传感器获得齿轮箱振动信号,并对振动信号进行短时傅里叶变换得到二维时频图,然后将时频图输入到2D CNN中进行特征信息提取,通过2D CNN前向传播和反向传播对不同类别故障时频图信息进行训练,建立不同类别特征之间更深层次的联系,通过训练集和验证集loss曲线、准确率曲线和t-SNE可视化(t-Distributed Stochastic Neighbor Embedding,t-SNE)多种方法来反映模型训练程度,最后由SVM对故障类型进行识别。通过将所提出的方法与FFT-2D CNN、1D CNN-SVM和2D CNN-SVM对齿轮箱故障识别结果进行对比,本方法故障识别准确率最高,达到97.94%,且提出的方法具有很好的鲁棒性。 展开更多

关键词 故障诊断 齿轮箱 短时傅里叶变换 二维卷积神经网络 支持向量机

在线阅读 下载PDF 职称材料

轮毂电机轴承故障的MIWF-2DCNN诊断方法 被引量：2

15

作者 戈淳 宋子为 +2 位作者 商嘉桐 薛红涛 王天鸶 《电子测量与仪器学报》 CSCD 北大核心 2024年第9期127-135,共9页

为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态,提高其轴承故障的识别准确率,提出一种基于多信息加权融合和二维卷积神经网络(MIWF-2DCNN)的故障诊断方法。首先,将轮毂电机轴承的多方位振动监测信号分别进行二维数据... 为了有效监测复杂工况下分布式驱动电动汽车用轮毂电机的运行状态,提高其轴承故障的识别准确率,提出一种基于多信息加权融合和二维卷积神经网络(MIWF-2DCNN)的故障诊断方法。首先,将轮毂电机轴承的多方位振动监测信号分别进行二维数据重构和时频变换,逐一转化成灰度图后按照方位顺序堆叠成时域灰度图集和时频域灰度图集,作为故障诊断模型的输入;其次,将高效通道注意力机制(ECANet)的网络结构进行改进,提出了改进高效通道注意力机制(iECANet),其核心思想是在全局平均池化(GAP)基础上添加上全局最大池化(GMP)分支,基于有效信息的贡献度更新各分支的权重系数,进而提取时域和时频域的故障特征,实现了多信息加权融合;再次,利用GMP简化传统二维卷积神经网络(2DCNN)模型的一层全连接层,实现了网络轻量化。最后,基于轮毂电机不同工况下实验数据,进行同一工况下对应验证、不同工况下交叉验证及消融实验验证。结果表明所提的MIWF-2DCNN模型能够有效提取轮毂电机轴承故障特征,在复杂环境和多变工况下故障识别率保持在95%以上,整体优于传统的LeNet-5、1DCNN模型。 展开更多

关键词 轮毂电机 二维卷积神经网络 多信息加权融合 故障诊断 通道注意力

在线阅读 下载PDF 职称材料

一种基于2D-CNN深度学习的钻井事故等级预测新方法 被引量：5

16

作者 赵春兰 屈瑶 +4 位作者 王兵 范翔宇 赵鹏斐 李屹 何婷 《天然气工业》 EI CAS CSCD 北大核心 2022年第12期95-105,共11页

鉴于钻井安全事故分级风险评价过程中,存在安全事故风险指标较少且多为2分类预测的实际问题。为此,在利用模糊C均值算法确定钻井事故等级的分类的基础上,根据信息增益值对多维事故风险指标进行一次降维;进而将降维后的风险指标作为模型... 鉴于钻井安全事故分级风险评价过程中,存在安全事故风险指标较少且多为2分类预测的实际问题。为此,在利用模糊C均值算法确定钻井事故等级的分类的基础上,根据信息增益值对多维事故风险指标进行一次降维;进而将降维后的风险指标作为模型输入,由卷积层提取事故特征,池化层进行二次降维,构建双层2D-CNN的事故等级预测模型,最后通过激活函数(Softmax)判断钻井事故等级,提出一种基于二维卷积神经网络(2D-CNN)的钻井事故等级预测的新方法。研究结果表明:①较之于其他方法,新方法经过两次降维将多维钻井事故指标由73维降低至4维,降低模型计算复杂度;②不同于钻井事故发生与否的二分类问题,根据事故的严重程度划分成四种事故等级,以实现多分类预测;③现场应用效果表明,新方法的准确率为91.7%,损失值为0.409,预测效果优于BP神经网络模型和1D-CNN模型。结论认为,新方法能较好地将现场作业数据用于钻井事故等级的预测,对于钻井事故风险分级评价具有广泛应用和推广价值。 展开更多

关键词 多维钻井事故 事故等级 多分类预测 深度学习 二维卷积神经网络 模糊C均值算法 信息增益

在线阅读 下载PDF 职称材料

基于胸腔信号样本的FMCW雷达身份验证 被引量：1

17

作者 漆晶 汪正东 谢广智 《雷达科学与技术》 北大核心 2023年第5期539-546,554,共9页

针对当前使用体征信号进行身份验证准确率低,且特征提取过程复杂的问题,本文在通过毫米波雷达检测生命体征的基础上,提出了一种将纯净的人体胸腔信号(Chest Cavity Signal,CCS)作为样本进行身份验证的方法。首先,对提取到的雷达原始信... 针对当前使用体征信号进行身份验证准确率低,且特征提取过程复杂的问题,本文在通过毫米波雷达检测生命体征的基础上,提出了一种将纯净的人体胸腔信号(Chest Cavity Signal,CCS)作为样本进行身份验证的方法。首先,对提取到的雷达原始信号进行预处理,消除与实验无关的冗余干扰并提取相位信号。接着对含有干扰的相位信号进行变分模态分解(VMD),提取纯净的心跳与呼吸信号并制作CCS样本。最后将CCS样本送入二维卷积神经网络(2D CNN)中进行训练并验证身份,识别准确率达到了97.5%,实验证明本文提出的方法对于身份验证具有很好的效果。 展开更多

关键词 毫米波雷达 身份验证 变分模态分解 二维卷积神经网络 胸腔信号

在线阅读 下载PDF 职称材料

融合CNN-BiLSTM和自注意力模型的音乐情感识别 被引量：5

18

作者 钟智鹏 王海龙 +2 位作者 苏贵斌 柳林 裴冬梅 《计算机工程与应用》 CSCD 北大核心 2023年第3期94-103,共10页

随着音乐科技研究的不断深入,音乐情感识别已被广泛实践和应用在音乐推荐、音乐心理治疗、声光场景构建等方面。模拟人类感受音乐表现情感的过程,针对音乐情感识别中长短时记忆神经网络的长距离依赖和训练效率低的问题,提出一种新的网... 随着音乐科技研究的不断深入,音乐情感识别已被广泛实践和应用在音乐推荐、音乐心理治疗、声光场景构建等方面。模拟人类感受音乐表现情感的过程,针对音乐情感识别中长短时记忆神经网络的长距离依赖和训练效率低的问题,提出一种新的网络模型CBSA(CNN BiLSTM self attention),应用于长距离音乐情感识别回归训练。模型使用二维卷积神经网络获取音乐情感局部关键特征,采用双向长短时记忆神经网络从获取的局部关键特征中提取序列化音乐情感信息,利用自注意力模型对获取的序列化信息进行动态权重调整,突出音乐情感全局关键点。实验结果表明,CBSA模型可缩短分析音乐情感信息中数据规律的训练时间,有效地提高音乐情感识别精确度。 展开更多

关键词 音乐情感识别 二维卷积神经网络 双向长短时记忆神经网络 自注意力模型

在线阅读 下载PDF 职称材料

多变量数据驱动的化工过程质量相关故障监测

19

作者 秦绪光 王雪 +2 位作者 陈锋 李磊 宋维燕 《现代化工》 2025年第11期231-236,共6页

以多变量数据驱动为导向,分别对卷积神经网络(CNN)及交叉熵损失函数(CEL)进行改进优化,构建适用于复杂化工过程质量相关故障的监测模型——二维卷积神经网络(2DCNN)及基于类别加权的交叉熵损失函数(WCEL)。该方法能够将多变量数据转化... 以多变量数据驱动为导向,分别对卷积神经网络(CNN)及交叉熵损失函数(CEL)进行改进优化,构建适用于复杂化工过程质量相关故障的监测模型——二维卷积神经网络(2DCNN)及基于类别加权的交叉熵损失函数(WCEL)。该方法能够将多变量数据转化为若干样本矩阵,并以此作为2DCNN模型的输入,分别有效地捕捉矩阵行数和列数所表征的时空维度特征,从而实现高精准的质量相关故障监测;同时,嵌入损失函数——WCEL,自适应地动态调整2DCNN模型的学习率,从而解决故障类别分配不均衡问题。 展开更多

关键词 质量相关故障 化工过程 多变量数据 二维卷积神经网络 基于类别加权的交叉熵损失函数

在线阅读 下载PDF 职称材料