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1,171篇文章
< 1 2 … 59 >
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：
基于双向LSTM神经网络的可穿戴跌倒预警研究 被引量：2
1
作者 李玲艺 潘巨龙 +1 位作者 项睿涵 方堃 《传感技术学报》 CAS CSCD 北大核心 2024年第5期849-856,共8页
为了在老年人跌倒之前进行预判并及时触发跌倒防护气囊,防止跌倒对老年人身心造成严重伤害,提出了基于双向长短期记忆神经网络的轻量级跌倒预测算法,采用深度学习模型自动提取加速度计数据深层特征,省去因人工提取跌倒数据特征所消耗的... 为了在老年人跌倒之前进行预判并及时触发跌倒防护气囊,防止跌倒对老年人身心造成严重伤害,提出了基于双向长短期记忆神经网络的轻量级跌倒预测算法,采用深度学习模型自动提取加速度计数据深层特征,省去因人工提取跌倒数据特征所消耗的时间,提升了跌倒预测模型的泛化能力。首先根据跌倒落地时刻和前置时间截取数据窗口作为输入;其次设计轻量级双向长短期记忆神经网络提取加速度特征并预测跌倒;最后借助TensorFlow Lite框架对模型进行轻量化改造。实验结果表明所提算法在SisFall跌倒公开数据集中获得了96.92%的准确率,95.73%的敏感度,98.15%的特异度,跌倒前置反应时间达215 ms,足以触发跌倒防护气囊。对应的TensorFlow Lite模型所占空间大小仅为62.2 kB,算法运行时间为1.20 ms,有望部署在嵌入式可穿戴终端,进行实时跌倒预测。所提算法实现了更高的预测精度并具有较长的跌倒预警时间,更适于资源受限的嵌入式设备,为老年人跌倒预测和可穿戴式跌倒保护装置的开发提供了进一步的参考。 展开更多
关键词 跌倒预测 深度学习 双向lstm 前置时间 可穿戴设备 保护气囊
在线阅读 下载PDF
双向LSTM神经网络的航空发动机故障预测 被引量：23
2
作者 曾慧洁 郭建胜 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2019年第4期26-32,共7页
准确的航空发动机故障预测能够为维修决策提供依据,提高装备完好率,避免灾难性故障并最小化经济损失。根据航空发动机传感器数据特点,提出一种基于双向长短期记忆(LSTM)神经网络的故障预测方法,建立故障预测模型,包括数据预处理、网络... 准确的航空发动机故障预测能够为维修决策提供依据,提高装备完好率,避免灾难性故障并最小化经济损失。根据航空发动机传感器数据特点,提出一种基于双向长短期记忆(LSTM)神经网络的故障预测方法,建立故障预测模型,包括数据预处理、网络模型设计、训练与测试,得到在多种工作条件和故障下具有较强泛化能力的神经网络预测模型。使用C-MAPSS数据集对模型进行仿真验证,所提出的双向LSTM故障预测模型通过与RNN、GRU、LSTM时间序列模型对比,误差下降33.58%,得到更高的预测精度,非对称评分下降71.22%,具有更好的适应性。 展开更多
关键词 故障预测 时间序列 双向lstm神经网络
在线阅读 下载PDF
基于双向LSTM神经网络模型的中文分词 被引量：39
3
作者 金宸 李维华 +2 位作者 姬晨 金绪泽 郭延哺 《中文信息学报》 CSCD 北大核心 2018年第2期29-37,共9页
中文分词是中文自然语言处理的基础。分词质量的好坏直接影响之后的自然语言处理任务。目前主流的分词是基于传统的机器学习模型。近年来,随着人工智能大潮的又一次兴起,长短期记忆(LSTM)神经网络模型改进了普通循环神经网络模型无法长... 中文分词是中文自然语言处理的基础。分词质量的好坏直接影响之后的自然语言处理任务。目前主流的分词是基于传统的机器学习模型。近年来,随着人工智能大潮的又一次兴起,长短期记忆(LSTM)神经网络模型改进了普通循环神经网络模型无法长期依赖信息的缺点,被广泛应用于自然语言处理的各种任务中,并取得了不错的效果。对中文分词,该文在经典单向LSTM模型上进行改进,增加了自后向前的LSTM层,设计了双向LSTM模型,改进了单向LSTM对后文依赖性不足的缺点;并引入了贡献率α,对前传LSTM层和后传LSTM层的权重矩阵进行调节,并设计了四个实验,验证了所建模型的正确性和优越性。 展开更多
关键词 中文分词 自然语言处理 双向lstm 贡献率
在线阅读 下载PDF
基于改进经验模态分解与BiLSTM神经网络的低矮房屋脉动风压时程预测
4
作者 邱冶 袁有明 伞冰冰 《湖南大学学报(自然科学版)》 北大核心 2025年第3期82-93,共12页
为解决风压测量中传感器数据间歇性缺失问题,提出基于改进经验模态分解算法(IEMD)和双向长短期记忆网络(BiLSTM)的结构表面风压时程预测方法.首先,采用基于软筛分停止准则的改进经验模态分解方法,将风压时程自适应地分解为多个固有模态... 为解决风压测量中传感器数据间歇性缺失问题,提出基于改进经验模态分解算法(IEMD)和双向长短期记忆网络(BiLSTM)的结构表面风压时程预测方法.首先,采用基于软筛分停止准则的改进经验模态分解方法,将风压时程自适应地分解为多个固有模态函数,并通过样本熵对其进行重构获得子序列;其次,针对各子序列完成双向长短期记忆网络的构建、训练及预测,并利用贝叶斯优化(BO)算法对神经网络超参数进行优化;最后,基于低矮房屋风洞测压试验数据进行了风荷载预测,验证了学习模型的有效性.研究表明,与传统预测模型(多层感知器、BiLSTM)相比,基于改进经验模态分解与BiLSTM神经网络的预测模型具有较高的预测精度和计算效率,适用于高斯与非高斯风压信号预测. 展开更多
关键词 低矮房屋 风荷载 深度学习 双向lstm 改进经验模态分解 贝叶斯优化 时程预测
在线阅读 下载PDF
基于LSTM神经网络的船舶油耗模型研究
5
作者 李智东 易文欣 +1 位作者 陆丛红 周波 《大连理工大学学报》 北大核心 2025年第4期369-375,共7页
针对船舶节能减排和提高经济效益的需求,建立了准确的船舶油耗模型,为船舶采取各种航行策略优化措施提供了决策基础.基于丹麦籍客滚轮的实测运行数据,经过数据预处理和特征选取,利用LSTM神经网络和多种机器学习算法建立了案例船的油耗模... 针对船舶节能减排和提高经济效益的需求,建立了准确的船舶油耗模型,为船舶采取各种航行策略优化措施提供了决策基础.基于丹麦籍客滚轮的实测运行数据,经过数据预处理和特征选取,利用LSTM神经网络和多种机器学习算法建立了案例船的油耗模型.将各模型对测试集和额外时间序列测试集的预测值与真实值分别进行比较,结果表明LSTM模型对两种测试集的预测误差均低于1.30%,预测精度不会出现较大波动;而其他模型对额外时间序列测试集的预测性能会下降,稳定性和预测精度均不如LSTM模型.考虑到油耗模型的预测性能和实际应用场景,基于LSTM神经网络的油耗模型具有较大的优势,对后续的船舶油耗率预测及航行策略优化都具有重要意义. 展开更多
关键词 油耗率预测 黑箱模型方法 数据预处理 lstm神经网络
在线阅读 下载PDF
基于SAE和LSTM神经网络的深部未钻地层可钻性预测方法
6
作者 朱亮 李晓明 +1 位作者 纪慧 楼一珊 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期39-46,64,共9页
在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM... 在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM组合模型的训练时间和预测结果与BP神经网络、支持向量机、随机森林和单一的LSTM模型进行了对比分析。结果表明:所构建的SAE-LSTM组合模型预测地层可钻性训练用时最短,预测值与实际测量值误差最小,拟合结果的均方根误差RMSE仅为0.081,平均绝对百分比误差MAPE为1.189,决定系数R^(2)为0.966,其RMSE和MAPE最小,R 2最大,较其他模型预测精度更高。该方法为地层参数预测提供了新的途径,能改善以往预测方法在处理复杂地层问题时预测效率低、预测精度不高等问题。 展开更多
关键词 深部地层钻探 岩石可钻性 预测模型 栈式自动编码器 lstm神经网络 深度学习
在线阅读 下载PDF
基于LSTM神经网络的南加州中期地震预测 被引量：1
7
作者 王艺璇 张怀 +1 位作者 石耀霖 程术 《中国科学院大学学报(中英文)》 北大核心 2025年第2期199-208,共10页
以神经网络预测地震为主题,采用长短时记忆(LSTM)神经网络构建地震预测模型。基于1932—2021年的南加州地震目录资料,数据按照0.8∶0.2的比例划分,训练集的时间窗口为1932年1月至2002年3月,测试集为2002年3月至2021年9月。模型以LSTM神... 以神经网络预测地震为主题,采用长短时记忆(LSTM)神经网络构建地震预测模型。基于1932—2021年的南加州地震目录资料,数据按照0.8∶0.2的比例划分,训练集的时间窗口为1932年1月至2002年3月,测试集为2002年3月至2021年9月。模型以LSTM神经网络为核心,综合训练集地震时间序列数据中计算出的11个反映地震时空强度分布特征的地震活动性指标,以及与之对应的最大震级构建标签,对测试集进行回溯性预测检验。利用混淆矩阵中的准确率、精确度、R评分等指标评估模型预测效果。结果显示,该模型在地震预测方面有一定的成效,成功预测出2010年4月的7.2级大地震,并且部分模型的R评分高于我国目前的中期预测水平。然而仍有部分指标未达到理想状态,还需深入探讨。 展开更多
关键词 lstm神经网络 南加州地区 地震中期预测 地震活动性指标 R评分
在线阅读 下载PDF
基于图卷积神经网络−双向门控循环单元及注意力机制的风电功率短期预测模型
8
作者 张光昊 张新燕 王朋凯 《现代电力》 北大核心 2025年第2期201-208,共8页
风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预... 风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预测模型。该模型以数值天气预报数据(numerical weather prediction,NWP)和风电功率历史数据作为输入,首先利用皮尔逊相关性分析筛选特征,然后借助残差连接的图卷积神经网络(graph convolutional neural network,GCN)和图学习层挖掘空间特征关系,接着采用双向门控循环单元(bidirectional gated recurrent unit,BiGRU)挖掘历史数据的时序特征,最后引入注意力机制(attentional mechanisms,AM)分配权重,实现风电功率短期预测。以某风电场实测数据为例进行算例分析,实验结果表明,该文方法在单步及多步预测中相比其他方法有更好的预测精度。 展开更多
关键词 风电功率预测 混合深度神经网络 图卷积神经网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于神经网络补偿的坦克全电双向稳定系统非线性滑模控制
9
作者 王一珉 袁树森 +1 位作者 林大睿 杨国来 《兵工学报》 北大核心 2025年第3期90-104,共15页
传统坦克双向稳定系统的控制策略难以有效处理新一代全电双向稳定系统中的耦合性、非线性和不确定性,而基于模型的非线性控制能够充分利用系统动态模型的先验信息提升控制效果。因此,建立计及执行器动态的全电双向稳定系统机电耦合动力... 传统坦克双向稳定系统的控制策略难以有效处理新一代全电双向稳定系统中的耦合性、非线性和不确定性,而基于模型的非线性控制能够充分利用系统动态模型的先验信息提升控制效果。因此,建立计及执行器动态的全电双向稳定系统机电耦合动力学模型,提出一种基于神经网络补偿的非线性滑模控制方法。引入滑模面和基于双曲正切函数改进的滑模鲁棒控制律设计非线性滑模控制函数,以有效地消除系统振荡,提高系统的稳态性能。同时,深度融合多层神经网络,准确估计系统的不确定性并进行前馈补偿,避免高增益反馈。基于Lyapunov理论严格证明了新控制策略可以实现连续控制输入下坦克全电双向稳定系统的渐近稳定性能。搭建了联合仿真环境与半实物实验平台,通过大量对比实验验证了新控制策略的优越性。 展开更多
关键词 坦克 全电双向稳定系统 滑模控制 神经网络 动力学建模 对比实验验证
在线阅读 下载PDF
基于LSTM神经网络的Dst指数预报方法
10
作者 李绍文 牛俊 +2 位作者 梅冰 姚俐竹 李炎斌 《空间科学学报》 北大核心 2025年第3期641-652,共12页
Dst指数是当前使用较广泛的用于反映磁暴过程的小时地磁指数,对Dst指数的预报是现代空间天气学主要研究内容之一.基于LSTM神经网络方法,利用2008-2022年的太阳风参数和Dst指数建立Dst指数预报模型,分别为使用全时域数据建模的LSTM模型... Dst指数是当前使用较广泛的用于反映磁暴过程的小时地磁指数,对Dst指数的预报是现代空间天气学主要研究内容之一.基于LSTM神经网络方法,利用2008-2022年的太阳风参数和Dst指数建立Dst指数预报模型,分别为使用全时域数据建模的LSTM模型和仅使用磁暴期间数据建模的Storm模型.使用LSTM模型对2001-2002年间的Dst指数进行滚动预报,预报结果显示该模型对提前1~6 h的Dst指数预报相关系数达到0.94以上,均方根误差在11 nT以内. Storm模型能够较好地解决LSTM模型在磁暴(尤其是强磁暴, Dst<–100 nT)主相期间预报误差较大的问题,对2001-2002年期间的23次强磁暴事件预报结果表明, Storm模型对磁暴期间提前6 h的预报结果相关系数较LSTM模型由0.902提升至0.948.综合两个预报模型组成的LSTMStorm模型对Dst指数的预报结果相关系数在0.95以上,均方根误差在9 nT以内,相比单LSTM模型的预报精度有显著提升. 展开更多
关键词 Dst指数预报 lstm神经网络 预报模型 lstm-Storm模型
在线阅读 下载PDF
基于卷积神经网络和双向长短期记忆网络的微地震记录去噪方法
11
作者 王泰然 鲍逸非 《北京大学学报(自然科学版)》 北大核心 2025年第3期487-500,共14页
提出一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的深度学习模型,用于时间域波形去噪.选取四川省自贡和内江地区的微震观测数据,基于该地区的构造模型和震源机制进行数值模拟,生成无噪声数据集,并叠加观测微震噪声,构建模... 提出一种基于卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的深度学习模型,用于时间域波形去噪.选取四川省自贡和内江地区的微震观测数据,基于该地区的构造模型和震源机制进行数值模拟,生成无噪声数据集,并叠加观测微震噪声,构建模拟含噪声数据集.通过深度学习网络的训练,获得性能稳定且泛化能力强的去噪模型,该模型在验证集上也表现优异.与传统去噪方法相比,所提方法的去噪效果显著提升,能够更好地保留信号的细节特征和频谱特征.将该模型应用于自贡和内江地区的实际微震观测数据,结果表明能有效地去除实测数据中的噪声. 展开更多
关键词 微小地震 噪声去除 卷积神经网络(CNN) 双向长短期记忆网络(Bilstm) 深度学习
在线阅读 下载PDF
基于VMD和神经网络LSTM的溶解氧水质预测
12
作者 金志浩 《绿色科技》 2025年第6期148-151,共4页
水质预测是水污染防治的重要组成部分,本文选取上海某区水质自动监测站点的溶解氧水质指标,并结合水文和气象数据进行水质的精确预测。构建LSTM模型和VMD-LSTM模型,采用变分模态分解(VMD)对水质数据进行去噪处理,并通过均方误差(MSE)和... 水质预测是水污染防治的重要组成部分,本文选取上海某区水质自动监测站点的溶解氧水质指标,并结合水文和气象数据进行水质的精确预测。构建LSTM模型和VMD-LSTM模型,采用变分模态分解(VMD)对水质数据进行去噪处理,并通过均方误差(MSE)和决定系数(R 2)指标对两模型的预测效果进行评价。结果表明:相较于LSTM模型,VMD-LSTM模型具有更低的MSE值和更高的R 2值。经VMD降噪后MSE值降低了35.6%,而R 2值提升了2.2%,且真实值与预测值曲线更为贴近,说明VMD-LSTM模型对水中溶解氧的预测准确度更佳。 展开更多
关键词 水质预测 神经网络 VMD lstm
在线阅读 下载PDF
基于LSTM神经网络家居企业财税风险预警研究
13
作者 黄晖兴 《森林防火》 2025年第2期134-143,共10页
鉴于我国房地产调控政策深入实施及国际环境变化,家居行业财务风险显著提升。为有效防控家居行业财税风险,确保家居企业保持稳定持续发展,构建了基于因子分析法和LSTM神经网络模型财税风险测度模式,并对2011—2023年间77家上市家居企业... 鉴于我国房地产调控政策深入实施及国际环境变化,家居行业财务风险显著提升。为有效防控家居行业财税风险,确保家居企业保持稳定持续发展,构建了基于因子分析法和LSTM神经网络模型财税风险测度模式,并对2011—2023年间77家上市家居企业进行了实证测度。结果表明:因子分析法开展家居企业财税风险测度具有科学性和可行性,所构建LSTM神经网络模型能准确地进行风险评估,近年来家居行业受到内外部环境影响面临较高财税风险;最后提出切实防范和化解风险三项建议。 展开更多
关键词 lstm神经网络 因子分析法 家居企业 财税风险模型 风险测度
在线阅读 下载PDF
基于神经网络模型的煤层气产能预测研究
14
作者 金毅 郑晨晖 +5 位作者 宋慧波 马家恒 杨运航 刘顺喜 张昆 倪小明 《河南理工大学学报（自然科学版）》 CAS 北大核心 2025年第1期46-56,共11页
目的煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础。方法本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展... 目的煤层气产能主要受地质和工程因素影响,阐明这些因素对煤层气井产能的影响机制是实现储层精细改造和煤层气井提产的基础。方法本文以沁水盆地柿庄南区块为研究对象,综合考虑地质背景、储层物性和动态排采数据,利用神经网络算法开展煤层气产能预测。首先,利用灰色关联分析法遴选出10个地质参数作为煤层气产能预测的主控因素,在此基础上,运用模糊数学法实现研究区34口煤层气井富集区划分,最后,根据分类结果,结合实际排采数据,分别利用BP(back propagation)和LSTM(long short-term memory)神经网络算法实现煤层气井日产气量预测。结果结果表明:(1)渗透率、含气饱和度和储层压力梯度等10个参数是影响研究区煤层气产气性能的关键因素;(2)利用模糊数学评价方法评价煤层气的富集,可将研究区34口井产气效果划分为有利区、较有利区和不利区;(3)依托LSTM算法建立了煤储层日产气量预测模型,预测误差值为4.06%~14.79%,平均误差值为11.09%,预测精度明显高于BP神经网络模型,结论根据LSTM算法建立的煤储层日产气量预测模型稳定性好且预测精度高,可作为煤储层产能长程预测的一种有效手段,进而为煤层气开发工艺布施与排采方案制定提供科学依据。 展开更多
关键词 lstm神经网络 BP神经网络 灰色关联分析 产能预测
在线阅读 下载PDF
基于K均值聚类算法和LSTM神经网络的管道腐蚀阶段预测方法 被引量：4
15
作者 王新颖 刘岚 +2 位作者 陈海群 胡磊磊 谢逢豪 《腐蚀与防护》 CAS CSCD 北大核心 2024年第8期84-89,共6页
针对声发射检测获得的管道腐蚀信号,提出了一种基于K均值(K-means)聚类算法和长短期记忆(LSTM)神经网络的管道腐蚀阶段预测方法。首先,利用K-means聚类算法将腐蚀信号分类,再构建LSTM神经网络模型,并采取了无监督学习的方式,以声发射波... 针对声发射检测获得的管道腐蚀信号,提出了一种基于K均值(K-means)聚类算法和长短期记忆(LSTM)神经网络的管道腐蚀阶段预测方法。首先,利用K-means聚类算法将腐蚀信号分类,再构建LSTM神经网络模型,并采取了无监督学习的方式,以声发射波形为出发点,对模型进行参数优化,最后进行管道腐蚀阶段预测,并根据评价指标对模型进行评价。研究表明:对LSTM神经网络模型适当增加隐藏层,可以使得模型更加稳定,鲁棒性更好;与现有故障诊断模型相比,LSTM神经网络模型的精度更高。 展开更多
关键词 声发射无损检测 腐蚀阶段预测 K-MEANS聚类算法 长短期记忆(lstm)神经网络 鲁棒性
在线阅读 下载PDF
基于离体神经网络的生物智能计算:关键技术与研究现状(特邀)
16
作者 杜金帅 邓寅 +7 位作者 曹世阳 陆泽营 李杰 韩卓 周晋民 王棵 桂丽丽 徐坤 《红外与激光工程》 北大核心 2025年第3期93-113,I0001,共22页
随着人工智能(AI)的快速发展,其高能耗、低解释性和灵活性不足等问题日益凸显。生物神经网络(Biological Neural Networks,BNN)因其基于真实生物神经元的动态可塑性和自适应性,成为突破AI瓶颈的重要研究方向。离体培养的BNN通过精确的... 随着人工智能(AI)的快速发展,其高能耗、低解释性和灵活性不足等问题日益凸显。生物神经网络(Biological Neural Networks,BNN)因其基于真实生物神经元的动态可塑性和自适应性,成为突破AI瓶颈的重要研究方向。离体培养的BNN通过精确的培养技术和先进的调控手段,为理解生物大脑的信息处理机制以及开发新型智能系统提供了实验平台。文中系统地综述了离体BNN的培养方法及功能优化技术,包括二维和三维培养方式,以及模块化网络构建与连接调控方法。详细探讨了电学刺激、光学刺激和化学刺激等信号输入技术,以及细胞内外动作电位记录、钙荧光成像等信号输出技术。此外,还分析了BNN在静态任务(如语音识别)和实时交互任务(如神经机器人控制)中的应用实例,展示了其在动态学习、复杂模式识别和实时任务适应中的潜力。最后,总结了当前基于BNN的生物智能计算研究的主要挑战,提出了未来研究的方向,希望为未来生物智能计算的研究与发展提供一定启示。 展开更多
关键词 生物神经网络 离体培养 双向通信技术 生物智能计算
在线阅读 下载PDF
基于LSTM神经网络的小转弯隧道TBM掘进轴线偏差预测方法 被引量：2
17
作者 杜立杰 郝洪达 +4 位作者 李青蔚 杨亚磊 张卫东 刘家驿 冯宏朝 《煤炭学报》 CSCD 北大核心 2024年第S2期1184-1194,共11页
在全断面掘进机(FullFaceTunnelBoringMachine,TBM)施工中,由于地质环境、人员操作和设备自身等因素的影响,TBM掘进路线与设计轴线容易发生较大偏离,特别是在小转弯隧道中,TBM掘进方位和姿态的控制更加困难。为了解决这个问题,提出了一... 在全断面掘进机(FullFaceTunnelBoringMachine,TBM)施工中,由于地质环境、人员操作和设备自身等因素的影响,TBM掘进路线与设计轴线容易发生较大偏离,特别是在小转弯隧道中,TBM掘进方位和姿态的控制更加困难。为了解决这个问题,提出了一种基于深度长短时记忆(Long Short-Term Memory,LSTM)神经网络的TBM掘进轴线偏差预测方法。该模型利用MAT-LAB软件进行搭建,以TBM掘进时产生的历史掘进参数作为输入数据,对未来时刻TBM的掘进轴线偏差进行预测。首先,对数据进行预处理,包括二值判别函数等方法,并利用皮尔逊分析方法选取出24维掘进参数作为预测模型的输入。以水平偏差为例,预测TBM掘进轴线偏差。然后,对模型的不同结构进行了分析,选择不同的LSTM层数和不同的神经元数量组成新的模型结构,确定了最优的模型结构和不同预测时间的最优输入时间段。最后,将R100m转弯段的掘进数据作为测试集,输入训练完成后的模型进行模型验证。结果表明:当模型中LSTM层为2层、每层神经元数量为128个时,模型结构预测性能最优;当预测时长为1min时,模型拟合优度为0.969、平均绝对误差为1.506mm、均方根误差为2.412mm,实现了良好的预测效果。通过这种方法可以帮助操作人员预知TBM掘进轴线偏差情况,提前调整TBM姿态,避免TBM隧道轴线出现较大的施工偏差,提高隧道施工的精度和安全性。 展开更多
关键词 全断面掘进机 小转弯隧道 轴线偏差 lstm神经网络 预测方法
在线阅读 下载PDF
基于集群辨识和卷积神经网络-双向长短期记忆-时序模式注意力机制的区域级短期负荷预测 被引量：3
18
作者 陈晓梅 肖徐东 《现代电力》 北大核心 2024年第1期106-115,共10页
为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-时序模式注意力... 为了解决区域级短期电力负荷预测时输入特征过多和负荷时序性较强的问题,提出一种基于集群辨识和卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bi-directional long short-term memory,BiLSTM)-时序模式注意力机制(temporal pattern attention,TPA)的预测方法。首先,将用电模式和天气作为影响因素,基于二阶聚类算法对区域内的负荷节点进行集群辨识,再从每个集群中挑选代表特征作为深度学习模型的输入,这样既能减少输入特征维度,降低计算复杂度,又能综合考虑预测区域的整体特征,提升预测精度。然后,针对区域电力负荷时序性的特点,用CNN-BiLSTM-TPA模型完成训练和预测,该模型能提取输入数据的双向信息生成隐状态矩阵,并对隐状态矩阵的重要特征加权,从多时间步上捕获双向时序信息用于预测。最后,在美国加利福尼亚州实例上分析验证了所提方法的有效性。 展开更多
关键词 短期电力负荷预测 双向长短期记忆网络 时序模式注意力机制 集群辨识 卷积神经网络
在线阅读 下载PDF
基于时空图神经网络的CAN总线入侵检测方法
19
作者 刘晨飞 万良 《信息网络安全》 北大核心 2025年第3期478-493,共16页
现代智能车辆中的控制器局域网(CAN)作为连接各电子控制单元(ECU)的主要通信媒介,因缺乏加密和认证机制而面临多种安全威胁。传统基于深度学习的入侵检测方法在提取CAN消息特征时,未能充分考虑其上下文关系及CAN消息的时序动态变化,导... 现代智能车辆中的控制器局域网(CAN)作为连接各电子控制单元(ECU)的主要通信媒介,因缺乏加密和认证机制而面临多种安全威胁。传统基于深度学习的入侵检测方法在提取CAN消息特征时,未能充分考虑其上下文关系及CAN消息的时序动态变化,导致在复杂攻击类型的检测中存在精度不足的问题。因此,文章提出一种基于时空图神经网络的入侵检测方法GNLNet。该方法通过在预定义的时间窗口内利用消息ID构建CAN消息图,并捕捉CAN消息的时序关联,以增强时空信息的建模能力。模型首先利用GraphSage提取局部空间特征,再通过双向图注意力网络加强节点间信息的交互,最后使用长短期记忆网络对数据流的时间序列进行分析,捕捉数据流随时间的动态变化。在Car_hacking和Survival_Analysis两个公开数据集上进行实验。结果表明,GNLNet在检测和分类拒绝服务攻击及模糊攻击等复杂攻击类型时,检测准确率和F1分数均达到99%,优于现有方法。 展开更多
关键词 CAN总线 入侵检测 时空图神经网络 双向图注意力网络 时空分析
在线阅读 下载PDF
基于串联深度神经网络的跨坐式单轨车辆轮胎径向载荷识别模型 被引量：1
20
作者 任利惠 周荣笙 +1 位作者 季元进 曾俊玮 《中国铁道科学》 北大核心 2025年第1期136-148,共13页
针对识别跨坐式单轨车辆轮胎径向载荷时直接测量法成本昂贵、定制复杂,而基于物理模型的方法稳定性差、计算量大、精度不足的问题,建立车辆动力学模型,兼顾物理关系合理性和测量便捷性,选取可通过能观性分解得到的车体和构架振动加速度... 针对识别跨坐式单轨车辆轮胎径向载荷时直接测量法成本昂贵、定制复杂,而基于物理模型的方法稳定性差、计算量大、精度不足的问题,建立车辆动力学模型,兼顾物理关系合理性和测量便捷性,选取可通过能观性分解得到的车体和构架振动加速度以及易直接测量的位移、转角和角速度等车辆姿态信息构建数据集,并验证动力学模型的准确性;预处理数据集时,向其中混入噪声增强数据鲁棒性,进行归一化处理便于数据计算,扩充时间步长增强数据的时序关联性;在此基础上,构建基于一维卷积神经网络(1DCNN)和双向门控循环单元(BiGRU)串联深度神经网络的轮胎径向载荷识别模型,采用Hyperband算法进行模型的超参数优化,在学习率、批量大小和优化器种类最优下通过设置合理的卷积核尺寸和门控循环单元个数规划各层数据维度,在1DCNN中引入逐点卷积和膨胀卷积以提升模型识别效果,并从准确性、鲁棒性和泛化性3个方面对模型的载荷识别效果进行评估。结果表明:与传统模型相比,基于1DCNN-BiGRU的载荷识别模型均方误差较低,低于0.106,准确性较高;数据混入信噪比低至27 dB噪声时仍具有较好的识别效果,鲁棒性较强;在不同的曲线半径、曲线超高率和惯性参数扰动工况下仍能维持较好的识别效果,泛化性较好。 展开更多
关键词 载荷识别 跨坐式单轨车辆 卷积神经网络 双向门控循环单元 超参数优化 车辆动力学模型
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 … 59 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