检索结果-维普期刊中文期刊服务平台

基于时域卷积神经网络的光通信信号噪声抑制技术: 1; 作者刘玉鹏《通信电源技术》 2024年第24期223-225,共3页; 随着光通信技术的广泛应用,传输速率越来越高,对光信号质量的要求越来越高。同时,随着速率的提升,信号噪声带来的问题日益突出,影响系统的性能。文章提出了一种基于时域卷积神经网络(Time-domain Convolutional Neural Network,TCNN)的... 展开更多; 关键词光通信时域卷积神经网络(TCNN) 噪声抑制信号预处理; 在线阅读下载PDF 职称材料

基于集成时域卷积神经网络模型的水驱油田单井产量预测方法被引量：12: 2; 作者张蕾窦宏恩 +6 位作者王天智王洪亮彭翼张继风刘宗尚米兰蒋丽维《石油勘探与开发》 SCIE EI CAS CSCD 北大核心 2022年第5期996-1004,共9页; 针对水驱油田单井产量变化大、预测难的问题,提出了一种基于时域卷积神经网络(TCN)的水驱油田单井产量预测方法,并进行实例验证。该方法从数据处理入手,依据注水井影响半径衡量油水井对应关系,增加油井当月受注水井影响程度为模型特征,... 展开更多; 关键词单井产量预测时域卷积神经网络时间序列预测水驱油藏; 在线阅读下载PDF 职称材料

应用时域卷积神经网络的地震波阻抗反演方法被引量：7: 3; 作者王泽峰许辉群 +1 位作者杨梦琼赵桠松《石油地球物理勘探》 EI CSCD 北大核心 2022年第2期279-286,296,I0002,共10页; 地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(T... 展开更多; 关键词地震波阻抗反演时域卷积神经网络反演映射模型储层预测; 在线阅读下载PDF 职称材料

基于TCN-自适应的地下洞室围岩变形异常数据识别: 4; 作者吴忠明李天述 +3 位作者张波周明张瀚周靖人《人民长江》北大核心 2024年第8期216-221,共6页; 水电站地下洞室围岩变形数据具有变化不确定、序列样本短等特点,传统的异常识别方法漏识率、误判率较高。随着智能技术的发展,通过神经网络建立更加可靠的异常识别方法是目前研究的热点,而传统的神经网络存在时序关联性不强和计算模型... 展开更多; 关键词异常数据识别地下洞室深度学习时域卷积神经网络标准自适应; 在线阅读下载PDF 职称材料

卫星信号丢失下航空器多阶段高度预测: 5; 作者黄梦婵苗强《工程科学与技术》 EI CAS CSCD 北大核心 2024年第6期44-53,共10页; 针对卫星信号丢失下航空器高度指示值不准确的问题,提出一种基于注意力机制和时域卷积神经网络的航空器多阶段高度预测算法(LTCA–TCN)。首先,采用模糊逻辑将航空器的整段飞行过程划分为不同阶段,提供多阶段的数据储备。然后,针对航空... 展开更多; 关键词航空器卫星信号高度预测注意力机制时域卷积神经网络; 在线阅读下载PDF 职称材料

改进TCPN变工况轴承故障诊断方法: 6; 作者胡春生李国利 +2 位作者马良闫小鹏魏红星《噪声与振动控制》 CSCD 北大核心 2022年第5期134-141,共8页; 针对变工况条件下传统方法仅提取局部特征导致准确率低以及样本维度过高导致训练耗时巨大等问题,提出一种改进的时域卷积池化网络模型(Temporal Convolutional Pooling Neural Network,简称TCPN)。首先,将原始轴承振动信号经过短时傅里... 展开更多; 关键词故障诊断变工况时域卷积神经网络短时傅里叶变换降采样; 在线阅读下载PDF 职称材料

基于深度学习的三种地震波阻抗反演方法比较被引量：4: 7; 作者王泽峰李勇根 +3 位作者许辉群杨梦琼赵桠松彭真《石油地球物理勘探》 EI CSCD 北大核心 2022年第6期1296-1303,I0002,共9页; 神经网络结构的差异性导致深度学习效果不同。为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度... 展开更多; 关键词深度学习地震波阻抗反演全卷积神经网络卷积循环神经网络时域卷积神经网络; 在线阅读下载PDF 职称材料

题名基于时域卷积神经网络的光通信信号噪声抑制技术: 1; 作者刘玉鹏; 机构中兴通讯股份有限公司; 出处《通信电源技术》 2024年第24期223-225,共3页; 文摘随着光通信技术的广泛应用,传输速率越来越高,对光信号质量的要求越来越高。同时,随着速率的提升,信号噪声带来的问题日益突出,影响系统的性能。文章提出了一种基于时域卷积神经网络(Time-domain Convolutional Neural Network,TCNN)的光通信信号噪声抑制技术。通过信号采集、数据清洗和标准化对光通信信号进行数据预处理,构建和训练TCNN模型以提取特征并抑制噪声。实验结果表明,该技术能有效提升信号的信噪比,显著改善信号质量。; 关键词光通信时域卷积神经网络(TCNN) 噪声抑制信号预处理; Keywords optical communication Time-domain Convolutional Neural Network(TCNN) noise suppression signal preprocessing; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于集成时域卷积神经网络模型的水驱油田单井产量预测方法被引量：12: 2; 作者张蕾窦宏恩王天智王洪亮彭翼张继风刘宗尚米兰蒋丽维; 机构中国石油勘探开发研究院大庆油田勘探开发研究院; 出处《石油勘探与开发》 SCIE EI CAS CSCD 北大核心 2022年第5期996-1004,共9页; 基金中国石油天然气股份有限公司重大统建项目“中国石油认知计算平台”(2019-40210-000020-02)。; 文摘针对水驱油田单井产量变化大、预测难的问题,提出了一种基于时域卷积神经网络(TCN)的水驱油田单井产量预测方法,并进行实例验证。该方法从数据处理入手,依据注水井影响半径衡量油水井对应关系,增加油井当月受注水井影响程度为模型特征,构建随机森林模型填补水驱开发动态数据空缺,根据含水率将单井生产历程划分为低含水、中含水、高含水、特高含水4个阶段,基于TCN建立阶段预测模型,采用麻雀搜索算法(SSA)优化模型超参数,最终将4个阶段模型集成为全生命周期模型用于产量预测。大庆油田应用实践表明:①所用数据处理方法较常规数据处理方法更符合产量数据特点、数据集更具真实性和完备性;②TCN模型较长短时记忆网络(LSTM)等11种时间序列模型预测精度更高;③集成全生命周期模型较单一全生命周期模型可显著降低产量预测误差。; 关键词单井产量预测时域卷积神经网络时间序列预测水驱油藏; Keywords single well production prediction temporal convolutional network time series prediction water flooding reservoir; 分类号 TE312 [石油与天然气工程—油气田开发工程]; 在线阅读下载PDF 职称材料

题名应用时域卷积神经网络的地震波阻抗反演方法被引量：7: 3; 作者王泽峰许辉群杨梦琼赵桠松; 机构长江大学地球物理与石油资源学院; 出处《石油地球物理勘探》 EI CSCD 北大核心 2022年第2期279-286,296,I0002,共10页; 基金中国石油创新基金项目“基于机器学习的地震解释技术在陆相油藏地质建模中的应用研究”(2018D-5007-0301)资助。; 文摘地震波阻抗反演是储层预测研究的一种重要手段,线性地震波阻抗反演方法求解精度依赖于初始地质模型,而完全非线性方法可望得到高精度求解结果。有鉴于此,首先利用全卷积神经网络、因果卷积、膨胀卷积和残差块构建一个时域卷积神经网络(TCN),以建立地震数据与波阻抗之间的非线性映射关系;然后通过该网络对样本进行训练得到反演映射模型,进一步将地震数据输入该模型得到地震波阻抗。正演数据及实际数据测试结果表明,所提方法实现了地震数据到地震波阻抗间的映射,为地震波阻抗反演提供了具有并行计算能力和自适应结构的智能化方法,并在港2025区块砂泥岩储层预测中得到成功应用。; 关键词地震波阻抗反演时域卷积神经网络反演映射模型储层预测; Keywords seismic impedance inversion temporal convolutional neural networks inversion mapping model reservoir prediction; 分类号 P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于TCN-自适应的地下洞室围岩变形异常数据识别: 4; 作者吴忠明李天述张波周明张瀚周靖人; 机构浙江华东测绘与工程安全技术有限公司中国电建集团华东勘测设计研究院有限公司四川大学山区河流开发保护全国重点实验室四川大学水利水电学院; 出处《人民长江》北大核心 2024年第8期216-221,共6页; 基金四川省科技厅重点研发项目(2022YFS0535)。; 文摘水电站地下洞室围岩变形数据具有变化不确定、序列样本短等特点,传统的异常识别方法漏识率、误判率较高。随着智能技术的发展,通过神经网络建立更加可靠的异常识别方法是目前研究的热点,而传统的神经网络存在时序关联性不强和计算模型庞杂等问题。为此,提出了基于时域卷积神经网络(TCN)及标准自适应的地下洞室异常数据识别算法,该算法利用TCN技术,考虑序列的前后关系,建立了更为可靠的序列模型;同时针对地下洞室监测数据特征,通过考虑误差中位数、数据波动和仪器精度3个方面,突现自适应匹配最优识别准则。将该算法应用在叶巴滩水电站地下洞室围岩变形的异常数据识别中,证明了其可有效避免梯度爆炸、消失,模型耗时较长等问题,极大地提高了异常值分析效率和识别率。相关经验可供类似工程异常监测数据识别时借鉴。; 关键词异常数据识别地下洞室深度学习时域卷积神经网络标准自适应; Keywords abnormal data recognition underground cavern deep learning temporal convolutional network(TCN) criterion adaptation; 分类号 TV698.1 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

题名卫星信号丢失下航空器多阶段高度预测: 5; 作者黄梦婵苗强; 机构四川大学电气工程学院; 出处《工程科学与技术》 EI CAS CSCD 北大核心 2024年第6期44-53,共10页; 基金国家自然科学基金项目(52075349 62303335)。; 文摘针对卫星信号丢失下航空器高度指示值不准确的问题,提出一种基于注意力机制和时域卷积神经网络的航空器多阶段高度预测算法(LTCA–TCN)。首先,采用模糊逻辑将航空器的整段飞行过程划分为不同阶段,提供多阶段的数据储备。然后,针对航空器飞参长时间序列的特点,设计长时序关联注意力(LTCA)特征提取算法,以提取增强时空关联特征表示;在此基础上,利用时域卷积神经网络(TCN)的时序数据处理能力,构建LTCA–TCN高度预测模型。最后,考虑不同阶段的预测误差容忍度,给出评价模型多阶段高度预测能力的评估指标。利用大气惯导数据集进行实验测试,实验结果表明:LTCA–TCN算法相较于其他对比算法,在多阶段的高度预测中均取得了最优的预测结果,尤其在巡航阶段,本文算法预测结果的均方根误差控制在10 m之内;模拟卫星信号丢失的特定情形,LTCA–TCN算法能够较准确地预测多阶段的惯性卫星组合高度。综上,LTCA–TCN算法具有较高的灵活性与适应性,能够为航空器提供更可靠的导航高度指示值,提升了飞行过程中的安全性与可靠性。; 关键词航空器卫星信号高度预测注意力机制时域卷积神经网络; Keywords aircraft satellite signal altitude prediction attention mechanism temporal convolutional neural network; 分类号 V241 [航空宇航科学与技术—飞行器设计] V267 [航空宇航科学与技术—航空宇航制造工程]; 在线阅读下载PDF 职称材料

题名改进TCPN变工况轴承故障诊断方法: 6; 作者胡春生李国利马良闫小鹏魏红星; 机构宁夏大学机械工程学院; 出处《噪声与振动控制》 CSCD 北大核心 2022年第5期134-141,共8页; 基金宁夏回族自治区重点研发资助项目(2019BDE03001)。; 文摘针对变工况条件下传统方法仅提取局部特征导致准确率低以及样本维度过高导致训练耗时巨大等问题,提出一种改进的时域卷积池化网络模型(Temporal Convolutional Pooling Neural Network,简称TCPN)。首先,将原始轴承振动信号经过短时傅里叶变换得到二维时频矩阵,再将二维时频矩阵平铺为一维时频序列,并取绝对值;其次,虽然膨胀卷积可以大幅度扩大感受野,但是对于轴承振动信号等高维特征仍需要较深的网络结构,因此对膨胀卷积进行结构优化,用于挖掘全局特征,同时降低模型复杂程度。再次,为模糊不同工况下相同故障的分布差异,对残差块进行结构优化,使用小卷积核提取局部特征,以拼接的方式与膨胀卷积进行特征融合,兼顾轴承振动信号中的全局特征与局部特征;最后,为了解决训练样本维度太高导致的训练成本过高的问题,对原始数据进行降采样研究,在保持较高准确率的情况下大量节省了训练时间。将所提方法与传统卷积神经网络及时域卷积神经网络(Temporal convolutional neural network,简称TCN)相比,实验结果表明,提出的模型准确率提高约5%,模型训练耗时降低约30%,并且收敛速度更快,训练模型的迭代次数更少,具有很强的鲁棒性。; 关键词故障诊断变工况时域卷积神经网络短时傅里叶变换降采样; Keywords fault diagnosis variable operating conditions time-domain convolutional neural network short-time Fourier transform down sampling; 分类号 TH113 [机械工程—机械设计及理论] TP206 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于深度学习的三种地震波阻抗反演方法比较被引量：4: 7; 作者王泽峰李勇根许辉群杨梦琼赵桠松彭真; 机构长江大学地球物理与石油资源学院中国石油勘探开发研究院; 出处《石油地球物理勘探》 EI CSCD 北大核心 2022年第6期1296-1303,I0002,共9页; 基金中国石油集团前瞻性基础性项目“物探采集处理解释关键技术研究”(2021DJ3704) 中国石油天然气股份有限公司勘探开发研究院地球物理重点实验室开放基金(2022-KFKT-25)联合资助。; 文摘神经网络结构的差异性导致深度学习效果不同。为此,在对比全卷积神经网络(FCN)、卷积循环神经网络(CRNN)和时域卷积神经网络(TCN)的三种网络结构的基础上,通过正演模型测试,对比、分析基于上述三种深度学习的地震波阻抗反演方法的精度和计算效率;然后通过实际资料应用进一步对比三种方法的效果。模型测试结果表明,基于TCN的波阻抗反演的计算效率和反演精度相对较高,基于TCN、FCN和CRNN的波阻抗反演用时分别为82、68和264s,皮尔逊相关系数分别为99.15%、97.84%和98.14%。实际资料应用表明,基于TCN的波阻抗反演结果与测井资料更加匹配。该结论可为智能地震波阻抗反演方法的优选提供参考。; 关键词深度学习地震波阻抗反演全卷积神经网络卷积循环神经网络时域卷积神经网络; Keywords deep learning seismic wave impedance inversion FCN CRNN TCN; 分类号 P631 [天文地球—地质矿产勘探]; 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	基于时域卷积神经网络的光通信信号噪声抑制技术	刘玉鹏	《通信电源技术》	2024	0	在线阅读下载PDF 职称材料
2	基于集成时域卷积神经网络模型的水驱油田单井产量预测方法	张蕾窦宏恩王天智王洪亮彭翼张继风刘宗尚米兰蒋丽维	《石油勘探与开发》 SCIE EI CAS CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
3	应用时域卷积神经网络的地震波阻抗反演方法	王泽峰许辉群杨梦琼赵桠松	《石油地球物理勘探》 EI CSCD 北大核心	2022	7	在线阅读下载PDF 职称材料
4	基于TCN-自适应的地下洞室围岩变形异常数据识别	吴忠明李天述张波周明张瀚周靖人	《人民长江》北大核心	2024	0	在线阅读下载PDF 职称材料
5	卫星信号丢失下航空器多阶段高度预测	黄梦婵苗强	《工程科学与技术》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
6	改进TCPN变工况轴承故障诊断方法	胡春生李国利马良闫小鹏魏红星	《噪声与振动控制》 CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
7	基于深度学习的三种地震波阻抗反演方法比较	王泽峰李勇根许辉群杨梦琼赵桠松彭真	《石油地球物理勘探》 EI CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料