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
基于图卷积STG-LSTM的京杭运河水质时空预测研究
被引量：
3
1
作者
宦娟
张浩
+3 位作者
徐宪根
杨贝尔
史兵
蒋建明
《中国农村水利水电》
北大核心
2022年第8期14-22,共9页
快速精准预测河流水质是城市水管理战略的重要任务,而河流水质因子具有时序性、不稳定性和非线性等特点且受多种因素影响,会造成时空维度上分布差异。针对现有水质因子预测方法大多是单监测站点的时间序列预测,无法描述河流水质因子的...
快速精准预测河流水质是城市水管理战略的重要任务,而河流水质因子具有时序性、不稳定性和非线性等特点且受多种因素影响,会造成时空维度上分布差异。针对现有水质因子预测方法大多是单监测站点的时间序列预测,无法描述河流水质因子的空间分布,提出一种基于时空图卷积融合长短记忆神经网络的河流水质时空预测模型(STG-LSTM)。以各监测站点地理位置和水质因子历史观测值为依据,构建时空图来表征各监测站点间的时空相关性。将时空图输入到STG-LSTM模型中,采用图卷积(GCN)提取河流水质数据空间依赖关系,并融合长短时记忆神经网络(LSTM)来获取水质因子数据的时空关联性,实现对未来一段时间运河河段不同位置水质状态的时空预测。用京杭运河常州段上8个监测站点4种不同水质因子数据集进行验证,从预测精度和训练时间两方面,将模型和其他6种预测模型进行比较,并对模型进行可靠性测试。实验结果表明,STG-LSTM模型能以较短的训练时间得到较高的预测精度,实现了对河流不同位置水质的快速精准预测,为城市水管理提供技术支撑。
展开更多
关键词
水质时空预测
图卷积神经网络
长短时记忆神经网络
时空
图构建
京杭运河
在线阅读
下载PDF
职称材料
基于HHO优化的时空水质预测模型
被引量：
3
2
作者
李顺勇
张睿轩
谭红叶
《现代电子技术》
北大核心
2024年第2期176-182,共7页
我国水资源现状不容乐观,提高水质预测模型精度对水资源质量监测具有重要意义。为捕捉水质指标时序数据非线性变化趋势,水质指标多基于神经网络模型进行预测。但是现有模型忽略了河流流向,没有考虑上游监测点水质对下游水质的影响;同时...
我国水资源现状不容乐观,提高水质预测模型精度对水资源质量监测具有重要意义。为捕捉水质指标时序数据非线性变化趋势,水质指标多基于神经网络模型进行预测。但是现有模型忽略了河流流向,没有考虑上游监测点水质对下游水质的影响;同时现有模型多基于启发式优化算法中的粒子群算法调整神经网络的超参数,但该优化算法仍需设置较多超参数,而参数选取不当容易使模型陷入局部最优。为此,建立了时空水质预测模型(WT‐CNN‐LSTM‐HHO),利用哈里斯鹰优化算法(HHO),基于上游水质数据预测下游的氮、磷和溶解氧水质指标。实验结果显示,本文所提出的模型对水质预测性能有明显提升,可以实现设置较少超参数而达到较高的水质预测精度。
展开更多
关键词
时空
水质
预测
哈里斯鹰优化算法
LSTM神经网络
时间序列
CNN‐LSTM
小波降噪
在线阅读
下载PDF
职称材料
题名
基于图卷积STG-LSTM的京杭运河水质时空预测研究
被引量：
3
1
作者
宦娟
张浩
徐宪根
杨贝尔
史兵
蒋建明
机构
常州大学计算机与人工智能学院阿里云大数据学院
常州市环境科学研究院
出处
《中国农村水利水电》
北大核心
2022年第8期14-22,共9页
基金
国家自然科学基金项目(61803050,52070023)
常州市科技支撑计划项目(CE20205037)。
文摘
快速精准预测河流水质是城市水管理战略的重要任务,而河流水质因子具有时序性、不稳定性和非线性等特点且受多种因素影响,会造成时空维度上分布差异。针对现有水质因子预测方法大多是单监测站点的时间序列预测,无法描述河流水质因子的空间分布,提出一种基于时空图卷积融合长短记忆神经网络的河流水质时空预测模型(STG-LSTM)。以各监测站点地理位置和水质因子历史观测值为依据,构建时空图来表征各监测站点间的时空相关性。将时空图输入到STG-LSTM模型中,采用图卷积(GCN)提取河流水质数据空间依赖关系,并融合长短时记忆神经网络(LSTM)来获取水质因子数据的时空关联性,实现对未来一段时间运河河段不同位置水质状态的时空预测。用京杭运河常州段上8个监测站点4种不同水质因子数据集进行验证,从预测精度和训练时间两方面,将模型和其他6种预测模型进行比较,并对模型进行可靠性测试。实验结果表明,STG-LSTM模型能以较短的训练时间得到较高的预测精度,实现了对河流不同位置水质的快速精准预测,为城市水管理提供技术支撑。
关键词
水质时空预测
图卷积神经网络
长短时记忆神经网络
时空
图构建
京杭运河
Keywords
water quality spatiotemporal prediction
graph convolutional neural network
long and short-term memory neural network
spatiotemporal graph construction
Beijing-Hangzhou Canal
分类号
TV213.4 [水利工程—水文学及水资源]
TV213.9 [水利工程—水文学及水资源]
在线阅读
下载PDF
职称材料
题名
基于HHO优化的时空水质预测模型
被引量：
3
2
作者
李顺勇
张睿轩
谭红叶
机构
山西大学数学科学学院
山西大学计算机与信息技术学院
出处
《现代电子技术》
北大核心
2024年第2期176-182,共7页
基金
国家自然科学基金项目(82274360)
国家自然科学基金项目(61976128)
2022年度山西省研究生教育教学改革课题(2022YJJG010)。
文摘
我国水资源现状不容乐观,提高水质预测模型精度对水资源质量监测具有重要意义。为捕捉水质指标时序数据非线性变化趋势,水质指标多基于神经网络模型进行预测。但是现有模型忽略了河流流向,没有考虑上游监测点水质对下游水质的影响;同时现有模型多基于启发式优化算法中的粒子群算法调整神经网络的超参数,但该优化算法仍需设置较多超参数,而参数选取不当容易使模型陷入局部最优。为此,建立了时空水质预测模型(WT‐CNN‐LSTM‐HHO),利用哈里斯鹰优化算法(HHO),基于上游水质数据预测下游的氮、磷和溶解氧水质指标。实验结果显示,本文所提出的模型对水质预测性能有明显提升,可以实现设置较少超参数而达到较高的水质预测精度。
关键词
时空
水质
预测
哈里斯鹰优化算法
LSTM神经网络
时间序列
CNN‐LSTM
小波降噪
Keywords
water quality prediction
HHO
LSTM neural network
time series
CNN‐LSTM
wavelet denoising
分类号
TN911.23‐34 [电子电信—通信与信息系统]
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
基于图卷积STG-LSTM的京杭运河水质时空预测研究
宦娟
张浩
徐宪根
杨贝尔
史兵
蒋建明
《中国农村水利水电》
北大核心
2022
3
在线阅读
下载PDF
职称材料
2
基于HHO优化的时空水质预测模型
李顺勇
张睿轩
谭红叶
《现代电子技术》
北大核心
2024
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
