期刊文献+
共找到46篇文章
< 1 2 3 >
每页显示 20 50 100
基于卷积双向长短期神经网络的调制方式识别 被引量:8
1
作者 谭继远 张立民 钟兆根 《火力与指挥控制》 CSCD 北大核心 2020年第6期129-134,共6页
针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制... 针对现有卷积神经网络方法下调制识别时间较长、网络较复杂等问题,将卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆神经网络(Bi-directional Long Short-Term Memory,BiLSTM)相结合,提出一种基于CNN-BiLSTM的调制方式识别方法。利用CNN卷积运算提取信号的空间特征,利用BiLSTM提取到信号的时序相关性,利用softmax层输出识别概率,达到多调制识别的目的。实验结果表明,在没有信道和噪声等先验信息的条件下,该方法的识别性能得到了进一步提升,能有效识别16QAM、64QAM等11种调制类别,且该方法的复杂度较低,大大节省了训练识别时间,具有较好的工程应用价值。 展开更多
关键词 调制识别 卷积神经网络 双向长短期记忆神经网络 深度学习
在线阅读 下载PDF
基于双向长短期记忆神经网络的水平地应力预测方法 被引量:7
2
作者 马天寿 向国富 +2 位作者 石榆帆 桂俊川 张东洋 《石油科学通报》 2022年第4期487-504,共18页
水平地应力是井壁稳定分析和水力压裂改造的关键基础参数,但深部地层地质环境复杂且隐蔽,使得水平地应力的准确快速预测难度较大。考虑到传统测井解释和神经网络模型难以描述测井数据与地应力之间的空间相关性,提出采用一种基于双向长... 水平地应力是井壁稳定分析和水力压裂改造的关键基础参数,但深部地层地质环境复杂且隐蔽,使得水平地应力的准确快速预测难度较大。考虑到传统测井解释和神经网络模型难以描述测井数据与地应力之间的空间相关性,提出采用一种基于双向长短期记忆神经网络(BiLSTM)的水平地应力预测方法;以四川盆地CL气田两口直井为例,将两口直井分别作为训练井和测试井,通过训练井建立测井参数与地应力之间的非线性映射关系,实现对测试井水平地应力的预测;结合测井参数相关性和实际地质含义,分析了不同测井参数组合模式下水平地应力的预测效果。研究结果表明:(1)对比测井解释和岩心差应变测试结果发现,垂向地应力测井解释误差为0.39%,最大水平地应力测井解释误差为0.18%~0.64%,最小水平地应力测井解释误差为0.29%,说明测井解释与实际地应力吻合较好;(2)工区地应力大小排序为垂向地应力>最大水平地应力>最小水平地应力,属于潜在正断层应力状态;(3)水平地应力与垂深、密度和自然伽马呈较强的正相关关系,与纵波时差、井径、补偿中子和横波时差呈负相关关系;(4)不同的测井参数组合对水平地应力的预测效果不同,其中最优的测井参数组合为垂深、井径、密度、补偿中子、自然伽马、纵波时差;(5)通过正交设计实验,确定了最优超参数取值方案,其预测得到的最大和最小水平地应力平均绝对百分比误差分别为0.48‰和0.50‰。结论认为,BiLSTM模型能够有效捕捉测井参数随深度的变化趋势和测井参数的前后关联信息,可以实现水平地应力的精准预测。 展开更多
关键词 地应力 水平地应力 长短期记忆神经网络 双向长短期记忆神经网络 测井
在线阅读 下载PDF
基于联合注意力机制和一维卷积神经网络-双向长短期记忆网络模型的流量异常检测方法 被引量:23
3
作者 尹梓诺 马海龙 胡涛 《电子与信息学报》 EI CSCD 北大核心 2023年第10期3719-3728,共10页
针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSM... 针对流量数据集中类别不平衡限制了分类模型对少数类攻击流量的检测性能这一问题,该文提出一种基于联合注意力机制和1维卷积神经网络-双向长短期记忆网络(1DCNN-BiLSTM)模型的流量异常检测方法。首先在数据预处理过程中利用BorderlineSMOTE方法对流量数据不平衡训练样本预处理,使得各类流量数据均衡,有助于后续模型对各类数据的充分训练。然后设计联合注意力机制和1DCNN-BiLSTM的模型对流量数据进行训练,提取流量数据的局部和长距离序列特征并进行分类,通过注意力机制将对分类有用的特征按其重要性赋予权值,提高对少数攻击类的检出率。实验结果表明,同几种现有方法相比,该文方法对NSL-KDD和CICIDS2017数据集的检测准确率最高(可达93.17%和98.65%),对NSL-KDD数据集中的提权攻击(U2R)攻击流量的检出率至少提升13.70%,证明了该文方法提升少数类攻击流量检出率的有效性。 展开更多
关键词 流量异常检测 类别不平衡 一维卷积神经网络-双向长短期记忆网络 注意力机制
在线阅读 下载PDF
基于时空注意力机制的双向长短期记忆神经网络的股指预测研究 被引量:2
4
作者 杨蓦 王静 《运筹与管理》 CSSCI CSCD 北大核心 2023年第8期174-180,共7页
股票市场是一个高噪音的混沌系统,其外部属性之间的相关性问题以及在长期预测时外部影响对股价波动的加剧,导致对股票市场进行准确预测是一项富有挑战性的工作。为解决上述问题,本文利用基于注意力机制的双向长短期记忆神经网络(BiLSTM... 股票市场是一个高噪音的混沌系统,其外部属性之间的相关性问题以及在长期预测时外部影响对股价波动的加剧,导致对股票市场进行准确预测是一项富有挑战性的工作。为解决上述问题,本文利用基于注意力机制的双向长短期记忆神经网络(BiLSTM)对香港地区恒生指数收盘价进行有效性的实证检验。其中,空间注意力机制用于捕捉输入指标之间的相关性并为其赋予区别权重,时间注意力机制用于描述数据的时间相关性以解决长期预测中的时间依赖问题并为时间步赋予区别权重,BiLSTM神经网络用于拟合数据并构建预测模型。本文还比较了四种基于注意力机制的神经网络方法和六种基线方法,实验结果表明,与当下流行的股票指数预测方法相比,基于双维度注意力机制的BiLSTM可以在短、中、长期预测中均实现更准确的股票指数收盘价预测。 展开更多
关键词 注意力机制 双向长短期记忆神经网络 股票指数预测 长期预测 时空关系
在线阅读 下载PDF
一种基于双向长短期记忆神经网络的Web攻击检测 被引量:2
5
作者 江一民 罗星宇 +2 位作者 于淼 刘月铧 张玉彬 《信息对抗技术》 2023年第1期55-65,共11页
当前,网络空间安全形势日益严重,这是因为网络攻击手段层出不穷。其中,跨站脚本(cross-site scripting,XSS)攻击和结构化查询语言(structured query language,SQL)注入攻击是2种较为常见的网络攻击方式。由于它们的有效载荷样式多样,导... 当前,网络空间安全形势日益严重,这是因为网络攻击手段层出不穷。其中,跨站脚本(cross-site scripting,XSS)攻击和结构化查询语言(structured query language,SQL)注入攻击是2种较为常见的网络攻击方式。由于它们的有效载荷样式多样,导致传统的基于规则的检测以及基于特征的机器学习难以对其进行检测。为了提高对Web攻击的检测效果,降低人工提取特征的繁杂度,提出了一种基于双向长短期记忆神经网络的Web攻击检测方法:使用字符向量化提取Web攻击有效特征的序列,并映射到特征向量,嵌入向量到神经网络中,然后使用双向长短期记忆递归神经网络训练和测试模型。结果表明,该检测方法在真实数据集中的检测准确率达到99.35%,召回率达到99.49%,可以同时检测XSS攻击和SQL注入攻击。证明了这种基于深度学习的检测方法可以较大规模地应用于Web攻击感知平台中。 展开更多
关键词 XSS攻击 SQL注入攻击 双向长短期记忆神经网络 Web安全漏洞 深度学习
在线阅读 下载PDF
基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度智能预测 被引量:5
6
作者 郭力 郑良瑞 冯浪 《南京航空航天大学学报》 CAS CSCD 北大核心 2023年第3期401-409,共9页
部分稳定氧化锆(Partially stabilized zirconia,PSZ)陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标,为了降低磨削表面粗糙度的预测误差,提出了一种基于相关性分析与卷积-双向... 部分稳定氧化锆(Partially stabilized zirconia,PSZ)陶瓷因其优越的性能在航空航天工业等领域有广泛的应用。表面粗糙度是评价PSZ陶瓷磨削加工水平的关键指标,为了降低磨削表面粗糙度的预测误差,提出了一种基于相关性分析与卷积-双向长短期记忆神经网络(Convolution-bidirectional long short term memory neural network,CNN-BiLSTM)的PSZ陶瓷磨削表面粗糙度声发射预测模型。通过分析磨削声发射信号特征值与磨削表面粗糙度值之间相关性,筛选出磨削声发射信号与磨削表面粗糙度之间的最相关频段和特征矩阵,作为CNN-BiLSTM神经网络的输入参数以降低磨削表面粗糙度声发射预测的误差。研究结果表明,基于相关性分析与CNN-BiLSTM神经网络的PSZ陶瓷磨削表面粗糙度的平均预测误差低于3.92%。 展开更多
关键词 部分稳定氧化锆 磨削声发射 相关性分析 卷积-双向长短期记忆神经网络 表面粗糙度预测
在线阅读 下载PDF
基于BiLSTM神经网络的锂电池SOH快速估计研究 被引量:3
7
作者 李家晨 朱成杰 《无线互联科技》 2022年第20期146-148,共3页
锂离子电池健康状态(State of Health,SOH)是锂电池退役的重要指标之一,为快速估计锂电池SOH,文章利用长短期记忆神经网络对非线性数据的高效预测能力,构建了一种双向神经网络预测模型。根据美国国家航空航天局(National Aeronautics an... 锂离子电池健康状态(State of Health,SOH)是锂电池退役的重要指标之一,为快速估计锂电池SOH,文章利用长短期记忆神经网络对非线性数据的高效预测能力,构建了一种双向神经网络预测模型。根据美国国家航空航天局(National Aeronautics and Space Administration,NASA)所提供的现有电池数据,将电容、电压、电流作为输入数据,建立电容、电压和电流之间的联系,再输入未经训练的测试集数据进行预测。实验结果显示,预测值平均绝对误差(Mean Absolute Error,MAE)为1.6%,整体误差较低,实现了SOH的快速估计。 展开更多
关键词 锂电池 健康状态估计 双向长短期记忆神经网络
在线阅读 下载PDF
基于CEEMD-ITSA-BiLSTM组合模型的短期负荷预测
8
作者 高典 张菁 《电子科技》 2024年第4期30-37,共8页
准确预测电力系统短期负荷有助于灵活规划系统资源、合理安排机组工作调度以及提高系统运行效率。针对负荷预测精度问题,文中提出了一种基于CEEMD-ITSA-BiLSTM(Complete Ensemble Empirical Mode Decomposition-Improved Tunicate Swarm... 准确预测电力系统短期负荷有助于灵活规划系统资源、合理安排机组工作调度以及提高系统运行效率。针对负荷预测精度问题,文中提出了一种基于CEEMD-ITSA-BiLSTM(Complete Ensemble Empirical Mode Decomposition-Improved Tunicate Swarm Algorithm-Bidirectional Long Short-Term Memory)的短期负荷预测模型。对时序性负荷数据进行CEEMD分解,得到若干个平稳的IMF(Intrinsic Mode Function),并对每个IMF进行BiLSTM建模预测。为了提高BiLSTM的精度,采用ITSA算法对BiLSTM的隐含层节点数、学习率和训练次数等超参数进行参数寻优,建立CEEMD-ITSA-BiLSTM负荷预测模型。文中以实际负荷数据进行仿真实验,对比了单一BiLSTM和不同算法优化的BiLSTM模型,结果表明CEEMD-ITSA-BiLSTM模型的RMSE(Root Mean Square Error)、MAE(Mean Absolute Error)和MAPE(Mean Absolute Percentage Error)误差指标相比于BiLSTM模型分别提高了48.54%、51.32%和44.78%,显著低于其他对比模型。 展开更多
关键词 短期负荷预测 预测精度 完全集成经验模态分解 本征模函数 被囊群算法 参数寻优 双向长短期记忆神经网络 误差指标
在线阅读 下载PDF
基于多空间维度联合方法改进的BiLSTM出水氨氮预测方法
9
作者 王雷 张煜 +3 位作者 赵艺琨 刘明勇 刘子航 李杰 《中国农村水利水电》 北大核心 2025年第2期17-24,共8页
出水氨氮作为衡量污水处理厂水质处理工艺的重要指标之一,准确预测污水处理厂出水水质中的氨氮含量对于及时调整处理工艺,保障水环境安全有着重要的作用。提出了一种基于联合多空间维度(Multi-spatial Dimensional Cooperative Attenti... 出水氨氮作为衡量污水处理厂水质处理工艺的重要指标之一,准确预测污水处理厂出水水质中的氨氮含量对于及时调整处理工艺,保障水环境安全有着重要的作用。提出了一种基于联合多空间维度(Multi-spatial Dimensional Cooperative Attention)改进的双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)的水质预测模型,首先通过皮尔逊(Pearson)系数法筛选出与出水氨氮相关性较强的总氮、污泥沉降比和温度3个指标作为模型输入,联合3个维度的强相关信息对未来6 h的出水氨氮进行预测。结果表明,MDCA-BiLSTM模型在融合残差序列后对出水氨氮的预测准确率R2为0.979,并在太平污水处理厂和文昌污水处理厂两个站点收集到的数据集上总氮、总磷和溶解氧的均方根误差分别为0.002、0.003、0.001和0.004、0.003、0.002;预测精度分别为0.959、0.947、0.971和0.962、0.951、0.983;与BiLSTM相比,均方根误差分别降低了0.007、0.007、0.007和0.017、0.006、0.005;预测精度分别提高了0.176、0.183、0.258和0.098、0.109、0.11。同时,该模型在面对未来6、12和24 h的预测步长时,仍能够达到0.956、0.933和0.917的预测精度,说明改进后的模型在预测准确性和鲁棒性方面表现出显著优势。该方法能够有效提高污水处理厂出水氨氮的及其他指标的预测准确性,可作为水资源循环和管理决策的一种有效参考手段,具有较强的实际应用价值。 展开更多
关键词 水质参数 时序预测 时序卷积网络 双向长短期记忆循环神经网络 注意力机制
在线阅读 下载PDF
融合FastText模型和注意力机制的网络新闻文本分类模型 被引量:10
10
作者 王婉 张向先 +1 位作者 卢恒 张莉曼 《现代情报》 CSSCI 2022年第3期40-47,共8页
[目的/意义]构建融合Fast Text模型和注意力机制的网络新闻文本分类模型,为网络新闻平台运营提供了智能化的知识组织思路。[方法/过程]基于Word2vec模型与Fast Text模型相结合的词向量模型Ngram2vec进行网络新闻文本的语义表达,并运用... [目的/意义]构建融合Fast Text模型和注意力机制的网络新闻文本分类模型,为网络新闻平台运营提供了智能化的知识组织思路。[方法/过程]基于Word2vec模型与Fast Text模型相结合的词向量模型Ngram2vec进行网络新闻文本的语义表达,并运用融合注意力机制的Bi LSTM;tte模型实现新闻文本分类。[结果/结论]实验结果显示,融合了Fast Text模型与注意力机制的网络新闻文本分类模型使F1值从90.62%提升到92.03%,说明本文提出的文本分类模型能够提升网络新闻文本分类的精确率,对网络新闻平台提升知识组织效率、优化服务水平具有重要参考价值。 展开更多
关键词 网络新闻 文本分类 注意力机制 双向长短期记忆神经网络模型
在线阅读 下载PDF
基于CNN-BiLSTM模型的平原型水库洪水预报研究
11
作者 赵忠峰 王雪妮 +3 位作者 晋华 郑婕 刘晓东 郭园 《水电能源科学》 北大核心 2025年第2期10-14,共5页
在平原型水库反推入库流量过程中,存在明显的噪声干扰,导致传统的洪水预报方法精度下降。对此,提出一种结合卷积神经网络(CNN)与双向长短期记忆神经网络(BiLSTM)的入库洪水预报模型,该模型采用CNN的卷积层挖掘入库洪水数据中的深层特征... 在平原型水库反推入库流量过程中,存在明显的噪声干扰,导致传统的洪水预报方法精度下降。对此,提出一种结合卷积神经网络(CNN)与双向长短期记忆神经网络(BiLSTM)的入库洪水预报模型,该模型采用CNN的卷积层挖掘入库洪水数据中的深层特征信息,并赋予不重要特征较低的权重,以便模型更加专注于对目标任务关键的特征信息。此外,利用BiLSTM处理流量序列中的长期依赖问题,通过其遗忘门有选择性地过滤掉权重较低的特征信息,实现对入库洪水过程的准确预测。最后,基于不同预见期评估所构建模型在安徽省合肥市大房郢水库入库洪水预报中的精准度。结果表明,4 h预见期下CNN-BiLSTM模型在入库洪水预报中具有更高的预报精度,相比BiLSTM模型和新安江(XAJ)模型,其确定性系数(D_(DC))分别提升9.9%、39.0%,均方根误差(R_(RMSE))和相对偏差(B_(BIAS))分别降低34.6%、17.1%和148.6%、20.6%。研究成果可为反推入库流量过程的平原型水库入库洪水预报提供新思路和技术支持。 展开更多
关键词 平原型水库 卷积神经网络 双向长短期记忆神经网络 入库洪水预报
在线阅读 下载PDF
基于增强Bi-LSTM的船舶运动模型辨识
12
作者 张浩晢 杨智博 +2 位作者 焦绪国 吕成兴 雷鹏 《中国舰船研究》 北大核心 2025年第1期76-84,共9页
[目的]针对基于数据驱动的船舶建模策略获得的模型预测精度低、适应性差等特点,提出一种增强的双向长短期记忆(Bi-LSTM)神经网络用于船舶的高精度非参数化建模。[方法]首先,利用Bi-LSTM神经网络的特点,实现对序列双向时间维度的特征提... [目的]针对基于数据驱动的船舶建模策略获得的模型预测精度低、适应性差等特点,提出一种增强的双向长短期记忆(Bi-LSTM)神经网络用于船舶的高精度非参数化建模。[方法]首先,利用Bi-LSTM神经网络的特点,实现对序列双向时间维度的特征提取。基于此,设计一维卷积神经网络(1D-CNN)提取序列的空间维度特征。然后,采用多头自注意力机制(MHSA)多角度对序列进行自适应加权处理。利用KVLCC2船舶航行数据,将所提增强Bi-LSTM模型与支持向量机(SVM)、门控循环单元(GRU)、长短期记忆神经网络(LSTM)模型的预测效果进行对比。[结果]所提增强Bi-LSTM模型在测试集中均方根误差(RMSE)、平均绝对误差(MAE)性能指标分别低于0.015和0.011,决定系数(R2)高于0.99913,预测精度显著高于SVM,GRU,LSTM模型。[结论]增强Bi-LSTM模型泛化性能优异,预测稳定性及预测精度高,有效实现了船舶的运动模型辨识。 展开更多
关键词 系统辨识 非参数化建模 一维卷积神经网络 双向长短期记忆神经网络 多头自注意力机制
在线阅读 下载PDF
基于EMD-BiLSTM-ANFIS的负荷区间预测 被引量:3
13
作者 李宏玉 彭康 +1 位作者 宋来鑫 李桐壮 《吉林大学学报(信息科学版)》 CAS 2024年第1期176-185,共10页
考虑到新型电力负荷随机性增强,传统的准确预测方法已无法满足要求,提出一种EMD-BiLSTM-ANFIS(Empirical Mode Decomposition-Bi-directional Long Short-Term Memory-Adaptive Network-based Fuzzy Inference System)分位数预测负荷概... 考虑到新型电力负荷随机性增强,传统的准确预测方法已无法满足要求,提出一种EMD-BiLSTM-ANFIS(Empirical Mode Decomposition-Bi-directional Long Short-Term Memory-Adaptive Network-based Fuzzy Inference System)分位数预测负荷概率密度的方法,使用负荷预测区间取代点预测的准确数值,能为电力系统分析与决策提供更多数据,增强预测的可靠性。首先将原始负荷序列通过EMD(Empirical Mode Decomposition)分解成若干分量,并通过计算样本熵分为3类分量。然后将重构后的3类分量与由相关性筛选的外界因素特征采用BiLSTM、ANFIS模型进行训练和分位数回归(QR:Quantile Regression),并将分量的预测区间结果累加得到最终负荷的预测区间。最后利用核密度估计输出任意时刻用户负荷概率密度预测结果。通过与CNN-BiLSTM(Convolutional Neural Network-Bidirectional Long Short-Term Memory)、LSTM(Long Short-Term Memory)模型对比点预测及区间预测结果,证明了该方法的有效性。 展开更多
关键词 经验模态分解 双向长短期神经网络 模糊推理系统 分位数回归 概率密度预测
在线阅读 下载PDF
基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法 被引量:3
14
作者 徐文畅 何文明 +5 位作者 游斌权 郭宇 洪凯程 陈雨行 许素玲 陈晓禾 《电子与信息学报》 EI CSCD 北大核心 2021年第9期2561-2568,共8页
急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊。算法包括... 急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊。算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证。实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72%,精度达到99.53%,灵敏度达到100.00%,同时F1-Score达到99.76。该算法比其他现有算法准确率提高至少1%,该项研究具有非常重要的临床应用价值。 展开更多
关键词 心电图 人工智能 双向长短期记忆神经网络 形态特征 心肌梗死
在线阅读 下载PDF
基于逆传感网络模型辨识的激波管动态压力重构 被引量:2
15
作者 李永生 姚贞建 +1 位作者 刘臣 丁义凡 《振动与冲击》 EI CSCD 北大核心 2023年第23期223-230,324,共9页
提出一种基于逆传感网络模型辨识的激波管动态压力重构方法。首先,基于经验模态分解,将压力传感器动态响应信号分解为一系列不同频带的分量;然后,采用相关系数和振铃幅值占比指标,实现振铃分量和趋势分量的识别,构建逆传感网络模型训练... 提出一种基于逆传感网络模型辨识的激波管动态压力重构方法。首先,基于经验模态分解,将压力传感器动态响应信号分解为一系列不同频带的分量;然后,采用相关系数和振铃幅值占比指标,实现振铃分量和趋势分量的识别,构建逆传感网络模型训练集和测试集;最后,基于双向长短期记忆神经网络训练及测试,建立压力传感器逆传感网络模型,实现激波管动态压力重构。分别通过仿真试验和激波管测量试验验证该方法对于动态压力重构的性能。仿真试验结果显示,重构的动态压力信号的RMSE(root mean square error)和MAPE(mean absolute percentage error)远小于传统趋势估计法,其值比长短时记忆(long short-term memory, LSTM)方法得到的结果分别减小了2倍和5倍,并且在不同阶数的压力传感器仿真试验中验证了该方法的鲁棒性,通过对比不同压力传感器系统下该方法的动态压力重构精度,验证了该方法的适用性;激波管测量试验结果显示,模型训练和测试输出的RMSE和MAPE分别为0.001 6 V、0.003 6%和0.002 5 V、0.062%,重构得到的激波管动态压力在平稳区间内的平均相对误差约为2.14%。 展开更多
关键词 激波管 压力传感器 经验模态分解(EMD) 双向长短期记忆神经网络 动态压力
在线阅读 下载PDF
基于Bi-LSTM的浅层地下双孔洞探测技术 被引量:1
16
作者 梁靖 张红 +3 位作者 叶晨 周立成 刘泽佳 汤立群 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2024年第6期778-783,共6页
文章探究一种基于深度学习的浅层地下孔洞探测技术,以应对地下孔洞给桩基施工安全所造成的严重威胁。基于浅层地震反射波法的原理,采用基础施工过程中的桩锤激震作为激励源,通过在探测区域地表上布置少量加速度传感器采集孔洞反射信号,... 文章探究一种基于深度学习的浅层地下孔洞探测技术,以应对地下孔洞给桩基施工安全所造成的严重威胁。基于浅层地震反射波法的原理,采用基础施工过程中的桩锤激震作为激励源,通过在探测区域地表上布置少量加速度传感器采集孔洞反射信号,并将反射信号作为深度学习的输入,以输出孔洞信息,建立一种新型的智能孔洞探测方法。结果表明,双向长短期记忆神经网络(bidirectional long short-term memory neural network,Bi-LSTM)的预测模型对于地下双孔洞的工况具有较高的识别准确率,在容许误差为2 m的情况下,孔洞位置和直径的预测准确率可达95.3%。该研究验证了基于深度学习的多孔洞探测技术的可行性,有望为施工前期土层地质状况的评估提供技术保障。 展开更多
关键词 地下孔洞探测 桩锤激震 深度学习 双向长短期记忆神经网络(Bi-LSTM) 有限元仿真
在线阅读 下载PDF
结合Word2vec和BiLSTM的民航非计划事件分析方法 被引量:1
17
作者 王捷 周迪 +1 位作者 左洪福 黄维 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2024年第7期917-924,共8页
安全是民航业的核心主题。针对目前民航非计划事件分析严重依赖专家经验及分析效率低下的问题,文章提出一种结合Word2vec和双向长短期记忆(bidirectional long short-term memory,BiLSTM)神经网络模型的民航非计划事件分析方法。首先采... 安全是民航业的核心主题。针对目前民航非计划事件分析严重依赖专家经验及分析效率低下的问题,文章提出一种结合Word2vec和双向长短期记忆(bidirectional long short-term memory,BiLSTM)神经网络模型的民航非计划事件分析方法。首先采用Word2vec模型针对事件文本语料进行词向量训练,缩小空间向量维度;然后通过BiLSTM模型自动提取特征,获取事件文本的完整序列信息和上下文特征向量;最后采用softmax函数对民航非计划事件进行分类。实验结果表明,所提出的方法分类效果更好,能达到更优的准确率和F 1值,对不平衡数据样本同样具有较稳定的分类性能,证明了该方法在民航非计划事件分析上的适用性和有效性。 展开更多
关键词 民航安全 文本分析 非计划事件 Word2vec 双向长短期记忆(BiLSTM)神经网络
在线阅读 下载PDF
基于二次模态分解和深度学习的大坝变形预测模型 被引量:1
18
作者 刘相杰 刘小生 张龙威 《水利水电科技进展》 CSCD 北大核心 2024年第3期101-106,共6页
为充分提取大坝变形监测数据的非线性和非平稳性特征,深度挖掘其前后信息的拓扑关系,有效提高预测精度,提出了一种基于二次模态分解和蜣螂优化算法的双向长短期记忆神经网络大坝变形预测模型。该模型引入融合自适应噪声完备集成经验模... 为充分提取大坝变形监测数据的非线性和非平稳性特征,深度挖掘其前后信息的拓扑关系,有效提高预测精度,提出了一种基于二次模态分解和蜣螂优化算法的双向长短期记忆神经网络大坝变形预测模型。该模型引入融合自适应噪声完备集成经验模态分解和变分模态分解的二次模态分解对数据进行预处理,有效降低高频非平稳性分量对预测精度的不利影响,并利用蜣螂优化算法对双向长短期记忆神经网络进行超参数寻优以深度挖掘大坝变形数据的有效信息。以某水电站大坝为例,将该模型预测结果与多种常用模型的预测结果进行对比分析,结果表明该模型可有效挖掘大坝变形数据复杂的非线性特征,其预测精度明显优于对比模型,验证了该模型在大坝变形预测中的可行性与优越性。 展开更多
关键词 大坝变形预测 二次模态分解 蜣螂优化算法 双向长短期记忆神经网络
在线阅读 下载PDF
基于ATT-CNN-BiLSTM的虚拟编组列车时空轨迹预测
19
作者 柴铭 刘皓元 +2 位作者 苏浩翔 唐涛 刘宏杰 《铁道学报》 EI CAS CSCD 北大核心 2024年第6期80-89,共10页
保障虚拟编组平稳追踪运行的关键问题是实现对列车运行状态的精准预测。针对列车运行过程多变的特点,提出基于融合注意力机制的卷积双向长短期记忆神经网络(ATT-CNN-BiLSTM)的时空轨迹预测方法。针对列车历史运行数据中非正常运行场景... 保障虚拟编组平稳追踪运行的关键问题是实现对列车运行状态的精准预测。针对列车运行过程多变的特点,提出基于融合注意力机制的卷积双向长短期记忆神经网络(ATT-CNN-BiLSTM)的时空轨迹预测方法。针对列车历史运行数据中非正常运行场景稀少产生的数据非均衡问题,利用卷积神经网络和双向长短期记忆网络提取列车运行数据维度之间的特征关联,并增加注意力机制提升泛化能力。同时引入运行时验证方法在线监控预测结果,降低由预测错误造成的行车风险。以成都地铁8号线真实数据为例进行实验,设计5种评价指标,通过基线模型与消融实验对所提ATT-CNN-BiLSTM进行评价,该模型对于异常场景的预测误差至少减小9.626%。 展开更多
关键词 列车状态预测 虚拟编组 深度学习 注意力机制 双向长短期记忆神经网络
在线阅读 下载PDF
多角度基于CEEMDAN-CNN-BiLSTM模型的锂离子电池RUL预测
20
作者 郭喜峰 王凯泽 +2 位作者 单丹 郑迪 宁一 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期181-189,共9页
通过构建模型对锂离子电池剩余使用寿命进行预测,并探究温度及网络参数对所构建模型预测精准度的影响,进而提高模型的预测精准度。提出自适应噪声完全集合经验模态分解(CEEMDAN)和一维卷积神经网络(1D CNN)与双向长短期记忆(BiLSTM)神... 通过构建模型对锂离子电池剩余使用寿命进行预测,并探究温度及网络参数对所构建模型预测精准度的影响,进而提高模型的预测精准度。提出自适应噪声完全集合经验模态分解(CEEMDAN)和一维卷积神经网络(1D CNN)与双向长短期记忆(BiLSTM)神经网络相结合的锂离子电池剩余寿命预测方法。选取容量作为健康因子,然后利用CEEMDAN对复杂不平稳数据进行分解,得到稳定的分量。利用1D CNN对锂离子电池容量数据进行深度挖掘,最后利用双BiLSTM神经网络建模对锂离子电池剩余使用寿命(RUL)进行预测。采用NASA数据集和CALCE数据集进行测试,在不同温度与网络参数下进行预测效果对比,并与BiLSTM模型、SVR模型、CNN-BiLSTM模型进行预测对比。 展开更多
关键词 锂离子电池 剩余使用寿命 卷积神经网络 自适应噪声完全集合经验模态分解 双向长短期记忆神经网络
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部