期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到85篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型 被引量：3
1
作者 殷礼胜 刘攀 +3 位作者 孙双晨 吴洋洋 施成 何怡刚 《电子与信息学报》 EI CSCD 北大核心 2023年第12期4499-4508,共10页
该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞... 该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞翼问题,通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量,有效提取了其中的先验特征;随后,利用BiGRU网络挖掘交通流量序列中的时序相关性特征,为避免局部最优,并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明,该组合预测模型中各组件对提高预测精度均起到正向作用,同时在不同交通流量数据集下的预测性能较对比算法均更优,展现了精准、快速的预测表现以及良好的泛化能力。 展开更多
关键词 短时交通流预测 互补集合经验模态分解 麻雀搜索算法 双向门控循环单元 边界局部特征延拓
在线阅读 下载PDF
基于多源特征和双向门控循环单元的抗高血压肽识别
2
作者 贺兴时 李锦 梁芸芸 《西安工程大学学报》 CAS 2023年第3期109-114,123,共7页
为了开发快速、高效和智能的抗高血压肽(anti-hypertensive peptides,AHTPs)识别工具,针对AHTPs的识别,构建基于多源特征和深度学习的识别模型。利用新增强分组氨基酸组分(novel enhanced grouped amino acid composition,NEGAAC)、约... 为了开发快速、高效和智能的抗高血压肽(anti-hypertensive peptides,AHTPs)识别工具,针对AHTPs的识别,构建基于多源特征和深度学习的识别模型。利用新增强分组氨基酸组分(novel enhanced grouped amino acid composition,NEGAAC)、约简的二肽组分(reduced dipeptide composition,RDPC)、二肽频率与预期平均值之间的偏差(dipeptide deviation from expected mean,DDE)、氨基酸物理化学性质的距离变换(amino acid physicochemical properties-based distance transformation,AAP-DT)和BLOSUM62编码对肽序列进行特征提取。采用双向门控循环单元(bidirectional gated recurrent units,BiGRU)对蛋白质特征进行深度学习,进而有效识别AHTPs。在10-折交叉验证下,基于多源特征和深度学习的识别模型在基准数据集和独立数据集上的识别精度达到96.78%和98.72%。 展开更多
关键词 抗高血压肽 多源特征 深度学习 双向门控循环单元 蛋白质
在线阅读 下载PDF
基于多重注意力卷积神经网络双向门控循环单元的机械故障诊断方法研究 被引量：15
3
作者 程建刚 毕凤荣 +3 位作者 张立鹏 李鑫 杨晓 汤代杰 《内燃机工程》 CAS CSCD 北大核心 2021年第4期77-83,92,共8页
为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力卷积神经网络双向门控循环单元(multiple attention-convolutional neural networks-bidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断... 为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力卷积神经网络双向门控循环单元(multiple attention-convolutional neural networks-bidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断方法。首先将原始时域数据输入卷积神经网络(convolutional meural networks,CNN)进行初步特征提取并降维,然后将结果重组输入双向门控循环单元(bidirectional gated recurrent unit,BiGRU),可以有效地解决BiGRU对于过长序列数据处理困难的问题。采用美国凯斯西储大学开源轴承数据集进行训练,确定了最佳卷积层数和最佳样本长度约减比例分别为2和1/8。同时,通过在CNN和BiGRU中分别加入卷积注意力模块(convolutional block attention module,CBAM)和序列注意力模块(sequence attention module,SAM),进一步加强了模型对于关键信息的提取能力。最后实测柴油机故障振动信号试验表明:MA-CNN-BiGRU模型可以实现端到端的故障诊断,与变分模态分解(variational mode decomposition,VMD)核模糊C均值聚类算法(VMD-kernel fuzzy C-means clustering,VMD-KFCM)、VMD-反向传播神经网络(back propagation neural network,BPNN)和一维CNN等方法进行对比,MA-CNN-BiGRU模型的故障诊断性能更优。 展开更多
关键词 注意力 故障诊断 多重注意力卷积神经网络双向门控循环单元(MA-CNN-bigru) 端到端
在线阅读 下载PDF
基于双向门控循环单元神经网络的间歇过程最终产品质量预测 被引量：4
4
作者 骆楠 祁佳康 罗娜 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期807-814,共8页
从具有共性的间歇过程终点质量预测问题出发,针对生产过程的时间序列特性进行分析,提出了一种基于双向门控循环单元神经网络的预测模型,对不等长间歇过程进行最终产品质量预测。结合实际生产中对预测值的要求,构建了适应间歇过程的损失... 从具有共性的间歇过程终点质量预测问题出发,针对生产过程的时间序列特性进行分析,提出了一种基于双向门控循环单元神经网络的预测模型,对不等长间歇过程进行最终产品质量预测。结合实际生产中对预测值的要求,构建了适应间歇过程的损失函数,使模型在保证预测精度的前提下满足预测要求,从而获得更大的生产效益。将使用不同损失函数的双向门控循环(GRU)单元神经网络与多向偏最小二乘(MPLS)、神经网络(NN)、支持向量回归(SVR)以及门控循环单元神经网络的预测结果进行实验对比,结果表明双向门控循环单元神经网络具有更强的适用性和更高的准确性。 展开更多
关键词 间歇过程 质量预测 双向门控循环单元 损失函数 时间序列
在线阅读 下载PDF
采用门控循环神经网络的核工业管道损伤识别方法
5
作者 蒋琪 张望 +1 位作者 屈文忠 肖黎 《振动与冲击》 EI CSCD 北大核心 2024年第24期48-58,共11页
超声导波检测技术具有效率高、成本低、检测方便等优点,广泛应用于管道的损伤检测。但超声导波在管道中的传播以及压电传感器灵敏度受温度和压力载荷等环境及工况的影响,严重干扰了损伤信息的提取和识别。由此,该文提出了一种基于粒子... 超声导波检测技术具有效率高、成本低、检测方便等优点,广泛应用于管道的损伤检测。但超声导波在管道中的传播以及压电传感器灵敏度受温度和压力载荷等环境及工况的影响,严重干扰了损伤信息的提取和识别。由此,该文提出了一种基于粒子群优化-双向门控循环单元-注意力机制模型的机器学习的导波管道损伤识别方法。此模型通过在原始超声导波数据与管道状态之间建立映射关系,并加强特征提取层对损伤特征的识别能力,有效避免环境干扰并准确识别出真实的损伤信号。以某核工业循环水冷却管道试验台架为试验对象,进行温度压力变化工况下的管道损伤识别试验,通过试验和理论分析验证了该模型能有效实现管道损伤识别,且识别准确率优于门控循环网络、长短时记忆、双向门控循环网络等其他数据驱动模型,证实了该文所提方法的有效性和优越性。 展开更多
关键词 核工业管道 损伤识别 粒子群优化 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于二次分解和BiGRU的超短期光伏发电功率预测
6
作者 韩博 李长青 +4 位作者 刘卫亮 刘帅 刘长良 徐家豪 王昕 《动力工程学报》 北大核心 2025年第1期62-69,79,共9页
针对超短期光伏发电功率预测,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)-变分模态分解(VMD)-双向门控循环单元(BiGRU)的混合预测模型。采用CEEMDAN对光伏发电功率信号进行分解,通过样本熵和K-means方法对分解后信号进行聚类重... 针对超短期光伏发电功率预测,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)-变分模态分解(VMD)-双向门控循环单元(BiGRU)的混合预测模型。采用CEEMDAN对光伏发电功率信号进行分解,通过样本熵和K-means方法对分解后信号进行聚类重构;再利用VMD对复杂信号进行二次分解,以削弱信号的非平稳性;将分解后各信号分量作为BiGRU模型的输入进行训练、验证和预测,然后线性叠加各信号分量预测结果,得到最终预测结果。结果表明:混合预测模型的预测精度高于单一模型,验证了混合预测模型的有效性;通过对比典型天气情况下的预测效果及各项评价指标,验证了所提出方法的通用性。 展开更多
关键词 光伏发电 功率预测 二次分解 样本熵 双向门控循环单元
在线阅读 下载PDF
基于BiGRU的水下可见光通信调制格式识别研究
7
作者 高文笛 汪昀楷 +2 位作者 徐迟 徐增熠 迟楠 《光通信研究》 北大核心 2025年第2期26-32,共7页
【目的】水下可见光通信(UVLC)作为替代传统声波通信的前沿技术,以其高速率、大带宽、低延迟和高安全性获得了广泛关注,但同时也面临着水下信道环境复杂、信号功率衰减和光电器件不理想等因素导致的非线性效应等挑战。这些低信噪比(SNR... 【目的】水下可见光通信(UVLC)作为替代传统声波通信的前沿技术,以其高速率、大带宽、低延迟和高安全性获得了广泛关注,但同时也面临着水下信道环境复杂、信号功率衰减和光电器件不理想等因素导致的非线性效应等挑战。这些低信噪比(SNR)和非线性效应引起的信号劣化,会导致接收端难以正确识别并解调出原信号,而正确识别出信号调制格式才能为后续使用其他算法,如非线性补偿和频率偏移补偿,来提升通信性能打下基础。文章旨在解决UVLC系统中调制格式识别(MFR)的性能限制问题,特别关注在复杂水下环境中提高识别准确率和系统鲁棒性。【方法】针对以上问题,文章提出了一种结合双向门控循环单元(BiGRU)和坐标变换的创新MFR算法。文章所提算法充分利用BiGRU在时序数据处理上的优势和坐标变换的高效性,有效提取信号特征,显著提高了在水下环境中MFR的准确性。【结果】实验结果显示,在不同发射电压条件下,该算法对2正交振幅调制(QAM)、4QAM、8QAM、8幅度相移键控(APSK)、16QAM、16APSK、32QAM、32APSK、64QAM和64APSK共10种QAM和APSK信号调制格式的识别准确率均超过96%,训练速度提高了1倍,并且在低SNR和非线性失真环境下鲁棒性显著。【结论】文章所提算法显著提升了UVLC系统在复杂水下环境中的MFR性能,具有重要的应用价值和技术创新点,为未来水下高速通信技术的发展奠定了基础。 展开更多
关键词 水下可见光通信 调制格式识别 双向门控循环单元 非线性失真 信号特征提取
在线阅读 下载PDF
基于MSRC-BiGRU-SA的人体活动识别
8
作者 芦平 于增辉 华国环 《中国电子科学研究院学报》 2025年第1期25-32,共8页
针对目前基于可穿戴传感器的复杂人体活动分类算法大多忽略对多尺度特征的提取和关键特征捕捉的问题,文中提出一种多尺度残差卷积网络叠加双向门控循环单元和自注意力机制(MSRC-BiGRU-SA)的模型。首先,通过MSRC模块充分提取传感器数据... 针对目前基于可穿戴传感器的复杂人体活动分类算法大多忽略对多尺度特征的提取和关键特征捕捉的问题,文中提出一种多尺度残差卷积网络叠加双向门控循环单元和自注意力机制(MSRC-BiGRU-SA)的模型。首先,通过MSRC模块充分提取传感器数据的多尺度空间和时间特征并有效融合原始数据的特征信息,增强特征的表达能力和鲁棒性;其次,利用BiGRU模块充分捕捉时间序列的前后依赖关系;最后,通过SA模块增强模型对复杂活动关键特征的捕捉能力以提升分类性能。实验结果表明,在公开数据集上,该模型对复杂活动的分类准确率达到97.50%,相较于原始CNN-BiGRU模型提升了5.77%,与现有先进模型相比,具有更好的识别效果。 展开更多
关键词 复杂人体活动识别 卷积神经网络 双向门控循环单元 可穿戴传感器 深度学习
在线阅读 下载PDF
基于BiTCN-BiGRU-AM的光伏电站输出功率预测
9
作者 袁晨曦 《上海节能》 2025年第3期422-430,共9页
随着光伏发电在全球能源结构中的比重不断增加,精确预测光伏电站输出功率成为提高电力系统稳定性和优化能源调度的关键。研究了一种新的组合深度学习模型,结合了双向时序卷积网络(bidirectional temporal convolutional network,BiTCN)... 随着光伏发电在全球能源结构中的比重不断增加,精确预测光伏电站输出功率成为提高电力系统稳定性和优化能源调度的关键。研究了一种新的组合深度学习模型,结合了双向时序卷积网络(bidirectional temporal convolutional network,BiTCN)、双向门控循环单元(bidirectional gated recurrent unit,BiGRU)和注意力机制(attention mechanism,AM),从而捕捉时间序列数据的长期依赖性和复杂特征,旨在提高光伏电站输出功率预测的精确性和鲁棒性。通过横纵比较分析6种模型在4个不同季节背景,以及不同地区数据预测结果,在多个评价指标下的表现,全面评估了模型的预测准确性、稳定性和鲁棒性。该研究结果表明,该模型在预测准确性和稳定性方面表现良好,对光伏电站输出功率预测领域的发展具有积极的贡献。 展开更多
关键词 光伏电站输出功率预测 双向时间卷积网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
融合CNN-BiGRU和注意力机制的网络入侵检测模型 被引量：7
10
作者 杨晓文 张健 +1 位作者 况立群 庞敏 《信息安全研究》 CSCD 北大核心 2024年第3期202-208,共7页
为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注... 为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性. 展开更多
关键词 网络入侵检测 卷积神经网络 双向门控循环单元 注意力机制 深度学习
在线阅读 下载PDF
基于特征选择及ISSA-CNN-BiGRU的短期风功率预测 被引量：6
11
作者 王瑞 徐新超 逯静 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第3期228-239,共12页
针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD... 针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD)将原始功率分解为一组包含不同信息的子分量,以降低原始功率序列的非平稳性,提升可预测性,同时通过观察中心频率方式确定模态分解数。其次,对每一分量采用随机森林(RF)特征重要度的方法进行特征选择,从风速、风向、温度、空气密度等气象特征因素中,选取对各个分量预测贡献度较高的影响因素组成输入特征向量。然后,建立各分量的CNN-BiGRU预测模型,针对神经网络算法参数难调、手动配置参数随机性大的问题,利用ISSA对模型超参数寻优,自适应搜寻最优参数组合。最后,叠加各分量的预测值,得到最终的预测结果。以中国内蒙古某风电场实际数据进行仿真实验,与多种单一及组合预测方法进行对比,结果表明,本文所提方法相比于其他方法具有更高的预测精度,其平均绝对百分比误差值达到2.644 0%;在其他4个数据集上进行的模型准确性及泛化性验证结果显示,模型平均绝对百分比误差值分别为4.385 3%、3.174 9%、1.576 1%和1.358 8%,均保持在5.000 0%以内,证明本文所提方法具有较好的预测精度及泛化能力。 展开更多
关键词 短期风功率预测 变分模态分解 特征选择 改进麻雀搜索算法 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
融合TextCNN-BiGRU的多因子权重文本情感分类算法研究 被引量：1
12
作者 鲁富宇 冷泳林 崔洪霞 《电子设计工程》 2024年第10期44-48,53,共6页
随着深度学习技术在自然语言处理领域的广泛应用,短文本情感分类技术得到显著发展。该文提出了一种融合TextCNN-BiGRU的多因子权重文本情感分类算法。算法通过引入词语情感类别分布、情感倾向以及情感强度三个关键因子改进了词语的向量... 随着深度学习技术在自然语言处理领域的广泛应用,短文本情感分类技术得到显著发展。该文提出了一种融合TextCNN-BiGRU的多因子权重文本情感分类算法。算法通过引入词语情感类别分布、情感倾向以及情感强度三个关键因子改进了词语的向量表示。将基于词向量表示的短文本分别作为TextCNN和BiGRU模型的输入,提取文本关键局部特征以及文本上下文的全局特征,将两种特征进行线性融合,实现中文短文本的情感分类。在公开的两个情感分类数据集上验证了多因子权重向量表示方法和融合TextCNN-BiGRU的情感分类模型的有效性,实验结果表明,文中提出的算法较单一模型在短文本情感分类准确率上提高了2%。 展开更多
关键词 情感分类 文本卷积神经网络 双向门控循环单元 词向量
在线阅读 下载PDF
基于LSTM-Attention和CNN-BiGRU误差修正的光伏功率预测 被引量：1
13
作者 吐松江·卡日 雷柯松 +2 位作者 马小晶 吴现 余凯峰 《太阳能学报》 CSCD 北大核心 2024年第12期85-93,共9页
为有效分析与利用光伏功率预测模型中以特定规律分布的预测误差,提出基于LSTM-Attention和CNN-BiGRU误差修正的光伏功率预测模型。首先,引入注意力机制(Attention)弥补输入序列长时长短期记忆网络(LSTM)难以保留关键信息的不足,建立LSTM... 为有效分析与利用光伏功率预测模型中以特定规律分布的预测误差,提出基于LSTM-Attention和CNN-BiGRU误差修正的光伏功率预测模型。首先,引入注意力机制(Attention)弥补输入序列长时长短期记忆网络(LSTM)难以保留关键信息的不足,建立LSTM-Attention的预测模型对光伏功率进行初步预测。其次,将卷积神经网络(CNN)在非线性特征提取上的优势与双向门控循环单元(BiGRU)在防止多种特征相互干扰的优势相结合,搭建CNN-BiGRU误差预测模型对可能产生的误差进行预测,从而对初步预测结果进行修正。经过实例分析表明:与未经误差修正的预测结果进行对比,经CNN-BiGRU误差预测模型进行误差修正后在不同天气类型中均能有效提高预测精度。 展开更多
关键词 光伏功率预测 深度学习 误差修正 注意力机制 长短期神经网络 双向门控循环单元
在线阅读 下载PDF
基于Mogrifier-BiGRU的飞行器轨迹预测 被引量：1
14
作者 张堃 杜睿怡 +1 位作者 时昊天 华帅 《兵工学报》 EI CAS CSCD 北大核心 2024年第2期373-384,共12页
针对当前飞行器轨迹预测准确性低的问题,引入双向传播机制和Mogrifier数据耦合模块,改进传统门控循环单元网络,提出基于Mogrifier-BiGRU的飞行器轨迹预测算法,加强网络对历史数据的学习与记忆,使得输入信息与隐藏层数据的充分耦合,提高... 针对当前飞行器轨迹预测准确性低的问题,引入双向传播机制和Mogrifier数据耦合模块,改进传统门控循环单元网络,提出基于Mogrifier-BiGRU的飞行器轨迹预测算法,加强网络对历史数据的学习与记忆,使得输入信息与隐藏层数据的充分耦合,提高预测准确度。仿真结果表明,所提方法对飞行器轨迹预测的准确度可达到96.26%,满足我方作战指挥人员对战场态势趋势准确预测的实际需求。 展开更多
关键词 轨迹预测 双向门控循环单元 Mogrifier数据模块 深度学习
在线阅读 下载PDF
基于双注意力机制的MSCN-BiGRU的滚动轴承故障诊断方法 被引量：3
15
作者 王敏 邓艾东 +2 位作者 马天霆 张宇剑 薛原 《振动与冲击》 EI CSCD 北大核心 2024年第6期84-92,103,共10页
针对滚动轴承故障诊断模型在变工况和环境噪声干扰下诊断精度降低的问题,提出一种基于双注意力机制的多尺度卷积网络(dual attention and multi-scale convolutional networks,DAMSCN)与改进的双向门控循环单元(bidirectional gated rec... 针对滚动轴承故障诊断模型在变工况和环境噪声干扰下诊断精度降低的问题,提出一种基于双注意力机制的多尺度卷积网络(dual attention and multi-scale convolutional networks,DAMSCN)与改进的双向门控循环单元(bidirectional gated recurrent unit,BiGRU)组成的故障诊断模型DAMSCN-BiGRU。首先,多尺度特征融合模块使用不同大小的卷积核,获得多种感受野,从而提取到轴承原始振动信号的多尺度特征信息,并根据重要性对其进行自适应融合,然后利用通道注意力和空间注意力组成的双注意力模块(dual attention module,DAM)对多尺度特征进行重新标定,分配注意力权重,削弱融合特征中的冗余特征;然后,增加注意力层和利用分段激活改进BiGRU进而挖掘信号的时域特征,以提高轴承故障诊断的性能;最后,通过Softmax层完成对不同故障的分类。试验结果表明,与其他智能诊断模型相比,DAMSCN-BiGRU在变工况环境下,平均诊断精度达到98.2%,在强噪声背景下仍然有着85.3%的准确率,且在不同程度的噪声强度下效果均优于其他常用模型,有利于促进滚动轴承的智能故障诊断研究和实际应用。 展开更多
关键词 滚动轴承 故障诊断 多尺度特征融合 双注意力机制 双向门控循环单元(bigru)
在线阅读 下载PDF
基于双向GRU和注意力机制的叠前地震孔隙度预测方法 被引量：1
16
作者 杨菲 刘洋 +1 位作者 常锁亮 陈桂 《石油物探》 CSCD 北大核心 2024年第3期598-609,共12页
岩石孔隙度是表征储层的重要参数之一,对孔隙度进行准确预测有利于更精细地刻画高孔高渗储层位置。然而地震弹性参数与孔隙度之间的关系较为复杂,给储层孔隙度的准确预测带来一定困难。深度学习为地震准确预测孔隙度提供了新思路。提出... 岩石孔隙度是表征储层的重要参数之一,对孔隙度进行准确预测有利于更精细地刻画高孔高渗储层位置。然而地震弹性参数与孔隙度之间的关系较为复杂,给储层孔隙度的准确预测带来一定困难。深度学习为地震准确预测孔隙度提供了新思路。提出了一种基于双向门控循环单元神经网络(GRU)和注意力机制(BiGRU-Attention)的叠前地震孔隙度预测方法,该方法利用双向GRU实现信息的双向传播并加入Attention机制放大关键信息,将叠前同时反演得到的纵波速度和密度信息作为输入,以测井孔隙度值作为标签来训练和测试BiGRU-Attention网络,建立起地震弹性参数与孔隙度之间的复杂映射关系,进而实现孔隙度的准确预测。实际数据测试结果表明,相比于常规多元线性回归方法(MLR)、密集神经网络(DNN)和门控循环单元神经网络(GRU)等预测方法,BiGRU-Attention网络预测方法在盲井测试中预测精度更高。将该方法应用于某实际三维工区地震数据预测的孔隙度值与测井孔隙度值匹配良好,说明该方法具有较好的实用价值。 展开更多
关键词 深度学习 注意力机制 双向门控循环单元神经网络 孔隙度预测 储层参数反演
在线阅读 下载PDF
基于CEEMDAN-SE-VMD和CNN-BIGRU的短期负荷预测 被引量：2
17
作者 张超 张菁 李洋帆 《电子器件》 CAS 2024年第3期849-857,共9页
针对电力负荷预测的精度较低问题,提出一种基于CEEMDAN-SE-VMD和CNN-BIGRU组合模型的负荷预测方法。首先该模型采用自适应噪声的完全经验模态分解(CEEMDAN)处理成分复杂的原始负荷数据,经过分解后得到若干个包含不同频率成分的本征模函... 针对电力负荷预测的精度较低问题,提出一种基于CEEMDAN-SE-VMD和CNN-BIGRU组合模型的负荷预测方法。首先该模型采用自适应噪声的完全经验模态分解(CEEMDAN)处理成分复杂的原始负荷数据,经过分解后得到若干个包含不同频率成分的本征模函数(IMF)。再利用样本熵(SE)对分解后不同频率的本征模函数进行熵值聚类重组。然后,利用变分模态分解(VMD)对重组后的高频序列进行二次分解,将二次分解后得到的子序列和样本熵重组的低频序列和趋势序列数据输入卷积神经网络(CNN)网络,利用其来提取反映负荷序列复杂相关的高位特征向量。最后,再输入到双向门控循环单元(BIGRU)网络中进行预测,得到各子序列的预测结果,叠加得到最终的负荷序列预测结果。通过横向和纵向实验结果对比,证明所提出的模型能够较好地提升电力负荷预测精度。 展开更多
关键词 CEEMDAN 二次分解 样本熵 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于DL-BiGRU多特征融合的注塑件尺寸预测方法
18
作者 钱庆杰 余军合 +2 位作者 战洪飞 王瑞 胡健 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第3期646-654,共9页
为了充分挖掘注塑成型过程中模腔内的高频时序特征和注塑成型机状态特征,提出基于双层双向门控循环单元网络(DL-BiGRU)的多特征融合注塑件尺寸预测方法.分析膜腔内传感器高频时序特征与注塑件尺寸间的关联性,采用DL-BiGRU网络从高频数... 为了充分挖掘注塑成型过程中模腔内的高频时序特征和注塑成型机状态特征,提出基于双层双向门控循环单元网络(DL-BiGRU)的多特征融合注塑件尺寸预测方法.分析膜腔内传感器高频时序特征与注塑件尺寸间的关联性,采用DL-BiGRU网络从高频数据中自动提取时序特征,表征注塑件成型过程状态变化特性.通过采样模腔内高频时序数据进行展成平铺,表征注塑成型的瞬时特征.融合时序特征、瞬时特征和成型机状态特征,构建端到端的深度学习多特征融合框架.将上述3种特征融合并联合训练,提升注塑件尺寸预测精度.在注塑成型数据集上进行模型验证,预测尺寸平均均方误差为4.7×10^(-4) mm^(2),最小误差波动为10^(-5) mm^(2)量级,模型具有较高的预测精度和稳定性. 展开更多
关键词 注塑成型 深度学习 双向门控循环单元网络(bigru) 多特征融合 尺寸预测
在线阅读 下载PDF
基于MHA-BiGRU的工作面瓦斯浓度预测模型
19
作者 李玉鹏 贾澎涛 +2 位作者 刘平 杨鸿宇 杨超社 《中国矿业》 北大核心 2024年第12期180-188,共9页
为了准确可靠地评估煤矿的瓦斯安全态势,提高煤矿瓦斯浓度预测模型的精度,提出了基于多头注意力机制(MHA)与双向门控循环单元神经网络(BiGRU)的瓦斯浓度预测模型(MHA-BiGRU)。首先,采用线性插值和滑动窗口方法,对原始的瓦斯相关监测时... 为了准确可靠地评估煤矿的瓦斯安全态势,提高煤矿瓦斯浓度预测模型的精度,提出了基于多头注意力机制(MHA)与双向门控循环单元神经网络(BiGRU)的瓦斯浓度预测模型(MHA-BiGRU)。首先,采用线性插值和滑动窗口方法,对原始的瓦斯相关监测时间序列数据进行预处理和空间重构,为进一步的数据建模奠定基础;其次,鉴于BiGRU模型可以同时捕捉到序列中上下文的信息,用均方误差做损失函数、采用Adam优化算法,构建适用于瓦斯浓度时间序列的优化BiGRU学习模型,并确定在线预测学习的窗口大小和BiGRU模型参数;然后,将多头注意力机制(MHA)嵌入到BiGRU循环结构中,从BiGRU的输出中提取重要特征,多个注意力头可以关注隐藏状态序列的不同部分,捕捉复杂的时序关系和模式,提取的特征再通过循环可以由BiGRU进一步处理,捕捉更深层次的时序依赖;随后,下一层的MHA可以再次优化特征表示;最后,经过全连接层,生成最终的瓦斯浓度预测值。实验结果表明,相较于循环神经网络(RNN)、长短时记忆网络(LSTM)、GRU、BiGRU、MHA-RNN、MHALSTM、iTransformer、Linear等对比模型,MHA-BiGRU模型取得了最好的预测效果,显著提高了煤矿瓦斯安全态势的监管水平。 展开更多
关键词 瓦斯浓度 多头注意力机制 双向门控循环单元 深度学习 预测
在线阅读 下载PDF
基于CNN BiGRU RF模型的TBM掘进参数预测研究
20
作者 王海宾 王永涛 +3 位作者 陈黎涵 侯正涛 刘江 丁自伟 《中国煤炭》 北大核心 2024年第9期80-91,共12页
作为井下巷道掘进的新工法,全断面隧道掘进机(TBM)有显著的经济效益,对TBM的掘进参数进行预测对于确保TBM的掘进效率具有重要意义。对现场获取的TBM数据进行清洗和预处理,利用皮尔逊相关系数法对模型输入特征进行筛选,并构建基于卷积神... 作为井下巷道掘进的新工法,全断面隧道掘进机(TBM)有显著的经济效益,对TBM的掘进参数进行预测对于确保TBM的掘进效率具有重要意义。对现场获取的TBM数据进行清洗和预处理,利用皮尔逊相关系数法对模型输入特征进行筛选,并构建基于卷积神经网络(CNN)优化的双向门控循环单元(BiGRU)神经网络并通过随机森林(RF)进行集成的TBM掘进参数预测模型,实现对TBM掘进参数的预测。研究结果表明:选取与总推力和推进速率关联度最密切的刀盘转速、刀盘扭矩和贯入度作为特征参数;构建的CNN BiGRU RF模型预测掘进参数对总推力和推进速率的拟合优度R 2均值分别为0.950和0.966,均方误差MSE平均值分别为0.750和0.782,均方根误差RMSE平均值分别为0.866和0.885,平均绝对误差MAE平均值分别为1.054和1.007,并且回归评价指标MSE、RMSE、MAE相较于CNN BiGRU模型,分别降低2.497、0.966和0.386,R 2提升23.4%,证明CNN BiGRU RF模型的预测准确度和泛化性最高。该研究可为实际工程掘进参数预测提供指导,有助于推动TBM在煤矿的推广,保障TBM的施工进度。 展开更多
关键词 CNN bigru RF模型 TBM掘进参数 皮尔逊相关系数法 卷积神经网络 双向门控循环单元神经网络 随机森林 时间序列预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部