期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GAT-Informer的采空区煤自燃温度预测模型
1
作者
贾澎涛
张杰
郭风景
《工矿自动化》
CSCD
北大核心
2024年第11期92-98,108,共8页
现有的煤自燃温度预测模型仅考虑监测数据前后的时间关联性,未考虑监测点之间的空间关系,并存在多步长煤自燃温度预测精度低的问题。针对上述问题,提出了一种基于图注意力网络(GAT)和Informer模型(GAT-Informer)的采空区煤自燃温度预测...
现有的煤自燃温度预测模型仅考虑监测数据前后的时间关联性,未考虑监测点之间的空间关系,并存在多步长煤自燃温度预测精度低的问题。针对上述问题,提出了一种基于图注意力网络(GAT)和Informer模型(GAT-Informer)的采空区煤自燃温度预测模型。首先,采用随机森林回归法和Savitzky-Golay滤波器对采空区沿空侧煤自燃监测数据中的异常值、缺失值和噪声进行处理,并使用Z-score方法对数据进行标准化。其次,采用GAT提取多个监测点煤自燃监测数据间的空间特征。然后,使用Informer模型的编码器对包含空间特征的数据进行编码,利用多头概率稀疏自注意力机制捕捉数据之间的长期依赖关系和时间特征;解码器通过交叉注意力机制与编码器交互,结合编码器提取的全局特征与目标序列的上下文依赖关系,生成特征矩阵并输入全连接层,得到煤自燃温度预测值。最后,对Informer模型输出的煤自燃温度预测值进行反标准化处理,恢复到原始数据尺度,得到最终的预测结果。实验结果表明,相较于循环神经网络(RNN)、长短期记忆网络(LSTM)、门控循环单元(GRU)和Informer模型,GAT-Informer模型在6个监测点上预测24步长煤自燃温度时,均方误差(MSE)分别平均降低了15.70%,22.15%,25.45%,36.49%,平均绝对误差(MAE)分别平均降低了16.01%,14.60%,20.30%,26.27%,表明GAT-Informer模型能有效提高煤自燃温度多步长预测精度。
展开更多
关键词
煤自燃
煤自燃温度预测
多步长时间序列预测
图注意力网络
INFORMER
数据时空特征
在线阅读
下载PDF
职称材料
基于城市区域多模态融合的人群流量预测
被引量：
3
2
作者
刘玉强
顾晶晶
+1 位作者
孙明
凌超
《郑州大学学报（理学版）》
北大核心
2022年第1期25-31,共7页
提出了一种基于多模态融合的人群流量预测算法(multimodal fusion for crowd flow prediction,MFCFP)。首先使用图卷积算子来探索区域之间的相关性以建立多模态,不同的模态可以捕捉不同的影响因素。然后进行多模态融合,并将带有注意力...
提出了一种基于多模态融合的人群流量预测算法(multimodal fusion for crowd flow prediction,MFCFP)。首先使用图卷积算子来探索区域之间的相关性以建立多模态,不同的模态可以捕捉不同的影响因素。然后进行多模态融合,并将带有注意力机制的基于图卷积神经网络应用于本文模型,以更好地建立相关区域关联。在真实数据集的实验证明了所提模型可以准确地预测人群活动流量。
展开更多
关键词
多模态融合
热点区域
城市计算
时空
特征
数据
挖掘
在线阅读
下载PDF
职称材料
题名
基于GAT-Informer的采空区煤自燃温度预测模型
1
作者
贾澎涛
张杰
郭风景
机构
西安科技大学计算机科学与技术学院
陕西陕煤蒲白矿业有限公司
出处
《工矿自动化》
CSCD
北大核心
2024年第11期92-98,108,共8页
基金
国家自然科学基金项目(51974236)。
文摘
现有的煤自燃温度预测模型仅考虑监测数据前后的时间关联性,未考虑监测点之间的空间关系,并存在多步长煤自燃温度预测精度低的问题。针对上述问题,提出了一种基于图注意力网络(GAT)和Informer模型(GAT-Informer)的采空区煤自燃温度预测模型。首先,采用随机森林回归法和Savitzky-Golay滤波器对采空区沿空侧煤自燃监测数据中的异常值、缺失值和噪声进行处理,并使用Z-score方法对数据进行标准化。其次,采用GAT提取多个监测点煤自燃监测数据间的空间特征。然后,使用Informer模型的编码器对包含空间特征的数据进行编码,利用多头概率稀疏自注意力机制捕捉数据之间的长期依赖关系和时间特征;解码器通过交叉注意力机制与编码器交互,结合编码器提取的全局特征与目标序列的上下文依赖关系,生成特征矩阵并输入全连接层,得到煤自燃温度预测值。最后,对Informer模型输出的煤自燃温度预测值进行反标准化处理,恢复到原始数据尺度,得到最终的预测结果。实验结果表明,相较于循环神经网络(RNN)、长短期记忆网络(LSTM)、门控循环单元(GRU)和Informer模型,GAT-Informer模型在6个监测点上预测24步长煤自燃温度时,均方误差(MSE)分别平均降低了15.70%,22.15%,25.45%,36.49%,平均绝对误差(MAE)分别平均降低了16.01%,14.60%,20.30%,26.27%,表明GAT-Informer模型能有效提高煤自燃温度多步长预测精度。
关键词
煤自燃
煤自燃温度预测
多步长时间序列预测
图注意力网络
INFORMER
数据时空特征
Keywords
coal spontaneous combustion
coal spontaneous combustion temperature prediction
multi-step time series prediction
graph attention network
Informer
spatiotemporal data features
分类号
TD323 [矿业工程—矿井建设]
在线阅读
下载PDF
职称材料
题名
基于城市区域多模态融合的人群流量预测
被引量：
3
2
作者
刘玉强
顾晶晶
孙明
凌超
机构
南京航空航天大学计算机科学与技术学院
出处
《郑州大学学报（理学版）》
北大核心
2022年第1期25-31,共7页
基金
国家自然科学基金项目(62072235)
南京航空航天大学2020研究生创新基地开放基金项目(Kfjj20191605)。
文摘
提出了一种基于多模态融合的人群流量预测算法(multimodal fusion for crowd flow prediction,MFCFP)。首先使用图卷积算子来探索区域之间的相关性以建立多模态,不同的模态可以捕捉不同的影响因素。然后进行多模态融合,并将带有注意力机制的基于图卷积神经网络应用于本文模型,以更好地建立相关区域关联。在真实数据集的实验证明了所提模型可以准确地预测人群活动流量。
关键词
多模态融合
热点区域
城市计算
时空
特征
数据
挖掘
Keywords
multimodal fusion
hot spot
urban computing
spatio-temporal data mining
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GAT-Informer的采空区煤自燃温度预测模型
贾澎涛
张杰
郭风景
《工矿自动化》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于城市区域多模态融合的人群流量预测
刘玉强
顾晶晶
孙明
凌超
《郑州大学学报（理学版）》
北大核心
2022
3
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
