检索结果-维普期刊中文期刊服务平台

基于组合深度学习的轨道交通短时进站客流预测模型被引量：8: 1; 作者李淑庆李伟 +1 位作者刘耀鸿马波《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期92-99,共8页; 针对轨道交通短时进站客流考虑不充分和特征学习不全面而导致预测精度不高的问题,选取客流特征、天气、空气质量和道路交通拥堵指数等多个因素,提出了一种基于组合深度学习的轨道交通短时进站客流预测模型(CNN-ResNet-BiLSTM)。基于卷... 展开更多; 关键词交通工程短时客流预测组合深度学习轨道进站客流; 在线阅读下载PDF 职称材料

基于产业链传导机制的锡金属价格组合预测研究: 2; 作者向先迪李云煜 +2 位作者金刊罗光武刘春学《中国矿业》北大核心 2025年第2期244-255,共12页; 锡是用途广泛的关键矿产资源,为维护锡产业的国际竞争力,需要关注产业链的发展,同时,近年来锡金属价格呈现剧烈波动,采用合理的方式预测锡金属价格对保障经济发展和资源安全具有重要意义。本文根据锡产品的生产过程将锡产业链细化,将产... 展开更多; 关键词锡金属产业链传导机制价格预测深度学习组合 TCN-BiGRU-Attention模型; 在线阅读下载PDF 职称材料

面向变压器油中溶解气体分析的组合DBN诊断方法被引量：31: 3; 作者荣智海齐波 +3 位作者李成榕朱双静陈玉峰辜超《电网技术》 EI CSCD 北大核心 2019年第10期3800-3808,共9页; 油中溶解气体分析是变压器内绝缘故障诊断的重要方法之一。但误判案例分析表明,传统的基于深度信念网络(deep belief network,DBN)油中溶解气体故障诊断方法存在较多的局部放电、低温过热、低能电弧放电兼过热混淆等误判。为进一步提高... 展开更多; 关键词变压器油中溶解气体分析变压器故障诊断深度信念网络组合深度信念网络; 在线阅读下载PDF 职称材料

DNV相互影响腐蚀管道评价方法适应性分析被引量：2: 4; 作者商同林《表面技术》 EI CAS CSCD 北大核心 2017年第7期183-190,共8页; 目的分析DNV-RP-F101方法评价相邻腐蚀管道失效压力的应用条件和计算方法的适应性。方法采用实验数据分析了DNV-RP-F101方法预测不同组合相互影响腐蚀管道失效数据的适应程度,应用已被实验数据验证可靠的非线性有限元数值,仿真研究了DNV... 展开更多; 关键词 DNV-RP-F101方法相互影响腐蚀适应性应用条件组合长度组合深度; 在线阅读下载PDF 职称材料

8通道复合蛇形流道质子交换膜燃料电池综合优化研究被引量：9: 5; 作者石磊郑明刚孔祥利《可再生能源》 CAS 北大核心 2020年第4期434-439,共6页; 文章建立了三维、稳态、恒温的8通道复合蛇形流道质子交换膜燃料电池(PEMFC)模型,并利用多物理场直接耦合分析软件COMSOL Multiphysics,对流道尺寸(宽度-深度)、气体扩散层(GDL)孔隙度、进气速度以及温度不同的8通道复合蛇形流道PEMFC... 展开更多; 关键词 PEMFC 流道宽度-深度组合综合优化; 在线阅读下载PDF 职称材料

多因素融合下基于AGC-LSTM的短时交通速度预测: 6; 作者陈雨佳高明霞 +1 位作者向万里莫俊文《现代电子技术》 2025年第18期9-16,共8页; 为了更准确地预测快速变化的城市环境中短时交通速度的动态变化,在考虑历史数据、天气因素和周围兴趣点(POI)的基础上,进一步融入路况因素,构建了特征融合组件(EF-Component)。基于现有深度学习模型,研究多种因素作用下融合图卷积网络(G... 展开更多; 关键词智能交通短时交通速度预测特征融合组合深度学习图卷积网络长短期记忆网络注意力机制; 在线阅读下载PDF 职称材料

题名基于组合深度学习的轨道交通短时进站客流预测模型被引量：8: 1; 作者李淑庆李伟刘耀鸿马波; 机构重庆交通大学交通运输学院; 出处《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第2期92-99,共8页; 基金国家自然科学基金项目(52078070) 重庆交通大学研究生科研创新资助项目(CYS21355)。; 文摘针对轨道交通短时进站客流考虑不充分和特征学习不全面而导致预测精度不高的问题,选取客流特征、天气、空气质量和道路交通拥堵指数等多个因素,提出了一种基于组合深度学习的轨道交通短时进站客流预测模型(CNN-ResNet-BiLSTM)。基于卷积神经网络(CNN)对多因素客流时间序列进行自动提取,在CNN网络中插入多个残差神经网络(ResNet)来加深网络深度,利用双向长短时记忆神经网络(BiLSTM)捕捉前后两个方向的客流时间序列特征并得到预测结果;以杭州市全网80个站点工作日的进站客流为例,验证了该模型的有效性。研究结果表明:与常用的几种模型相比,多因素CNN-ResNet-BiLSTM组合模型的均方根误差(E RMS)至少降低了8.50%,平均绝对误差(E MA)至少降低了6.74%,平均绝对百分比误差(E MPA)至少降低了6.52%。; 关键词交通工程短时客流预测组合深度学习轨道进站客流; Keywords traffic engineering short term passenger flow prediction combined deep learning rail transit inbound passenger flow; 分类号 U293.13 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名基于产业链传导机制的锡金属价格组合预测研究: 2; 作者向先迪李云煜金刊罗光武刘春学; 机构云南师范大学管理学院云南财经大学物流与管理工程学院云南财经大学经济学院; 出处《中国矿业》北大核心 2025年第2期244-255,共12页; 基金国家自然科学基金项目“物理机理为基础的高精度地学时空多变量协同统计模型研究”资助(编号:42062020) 云南省教育厅科学研究基金项目“基于产业链传导机制的锡金属价格组合预测研究”资助(编号:2024Y549) 云南省高校服务重点产业科技项目“云南锡产业“三链”融合发展研究”资助(编号:FWCY-BSPY2024096)。; 文摘锡是用途广泛的关键矿产资源,为维护锡产业的国际竞争力,需要关注产业链的发展,同时,近年来锡金属价格呈现剧烈波动,采用合理的方式预测锡金属价格对保障经济发展和资源安全具有重要意义。本文根据锡产品的生产过程将锡产业链细化,将产业链价格波动传导机制作为一个整体与深度学习组合预测模型结合,并构建时间卷积双向门控循环单元融合注意力机制模型,即TCN-BiGRU-Attention组合模型来预测锡金属价格,得出以下结论:(1)锡产业链上下游其他产品价格波动及锡制造过程的产品价格波动,会通过锡产业链的传导效应引起锡锭价格变化,国际锡锭价格也会对国内锡锭价格产生影响,应该将产业链因素融入锡金属价格预测过程,以提高价格预测准确性,进而提高产业链效率和响应能力。(2)深度学习组合模型与单一的深度学习模型相比,组合模型能够有效降低误差,提高锡金属价格的预测精度,与真实值更加贴近,加入Attention机制后模型的预测性能有所提高。(3)考虑产业链因素后的价格预测结果误差比不考虑产业链因素的价格预测结果误差有所降低,在图形的拟合性,尤其是高值与低值的拟合方面表现出更优效果。为维护锡市场稳定,应重视产业链传导机制对价格预测的影响,关注国际锡金属价格和其他大宗商品价格,合理预测和及时调控锡金属价格,保障经济高质量发展和国家战略资源安全。; 关键词锡金属产业链传导机制价格预测深度学习组合 TCN-BiGRU-Attention模型; Keywords tin metal industry chain transmission mechanism price forecast deep learning combination TCN-BiGRU-Attention model; 分类号 TD-9 [矿业工程] F407.1 [经济管理—产业经济] F416.1 [经济管理—产业经济]; 在线阅读下载PDF 职称材料

题名面向变压器油中溶解气体分析的组合DBN诊断方法被引量：31: 3; 作者荣智海齐波李成榕朱双静陈玉峰辜超; 机构华北电力大学电气与电子工程学院国网山东省电力公司电力科学研究院; 出处《电网技术》 EI CSCD 北大核心 2019年第10期3800-3808,共9页; 基金国家863高技术研究发展计划(2015AA050204)~~; 文摘油中溶解气体分析是变压器内绝缘故障诊断的重要方法之一。但误判案例分析表明,传统的基于深度信念网络(deep belief network,DBN)油中溶解气体故障诊断方法存在较多的局部放电、低温过热、低能电弧放电兼过热混淆等误判。为进一步提高故障诊断效果,提出一种面向变压器油中溶解气体分析的组合DBN故障诊断方法。该方法引入深度信念网络群识别故障类型及严重程度,根据第一层故障类型识别结果激活相应的二层DBN识别故障严重程度。研究不同输入下,网络层数、节点数对于组合DBN的油中溶解气体故障诊断准确率的影响,结果表明当输入为无编码比值加特征气体含量,网络层数选取为3时网络具有最高准确率;当网络节点数大于3,增加节点数无法显著提高网络识别准确率。组合DBN查准率及查全率均高于单一DBN,总体准确率由80.9%提高到90.1%。分析案例数据量对诊断结果的影响,查全率及查准率随数据量增加而增加,案例多的故障类型查准率高于案例少的故障类型。; 关键词变压器油中溶解气体分析变压器故障诊断深度信念网络组合深度信念网络; Keywords DGA power transformer fault diagnosis DBN combined DBN; 分类号 TM407 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名DNV相互影响腐蚀管道评价方法适应性分析被引量：2: 4; 作者商同林; 机构胜利油田分公司油气集输总厂; 出处《表面技术》 EI CAS CSCD 北大核心 2017年第7期183-190,共8页; 文摘目的分析DNV-RP-F101方法评价相邻腐蚀管道失效压力的应用条件和计算方法的适应性。方法采用实验数据分析了DNV-RP-F101方法预测不同组合相互影响腐蚀管道失效数据的适应程度,应用已被实验数据验证可靠的非线性有限元数值,仿真研究了DNV-RP-F101标准的适应性。结果 DNV-RP-F101方法评价单腐蚀管道剩余强度的误差小,适应性强,作为相邻腐蚀管道失效压力评价基础合理。DNV-RP-F101方法评价相邻腐蚀管道失效压力的轴向间距限制条件设置合理,但环向角度限制应用条件远远偏离实际作用角度。DNV-RP-F101方法评价同尺寸相邻腐蚀管道失效压力整体误差在10%范围内;评价相邻腐蚀单独腐蚀长度系数之和超过某临界值后,预测值有大于真实值的趋势,评价结果存在预测风险;评价不同深度相邻腐蚀管道失效压力预测值明显高于真实值,评价结果存在预测风险,且误差范围跨度大,预测稳定性差。结论 DNV-RP-F101方法评价相互影响腐蚀管道剩余强度存在超过真实值的风险。; 关键词 DNV-RP-F101方法相互影响腐蚀适应性应用条件组合长度组合深度; Keywords DNV-RP-F101 standard interactive corrosion adaptability application conditions combination of length combination of depth; 分类号 TG172 [金属学及工艺—金属表面处理]; 在线阅读下载PDF 职称材料

题名8通道复合蛇形流道质子交换膜燃料电池综合优化研究被引量：9: 5; 作者石磊郑明刚孔祥利; 机构山东建筑大学机电工程学院山东国惠基金管理有限公司; 出处《可再生能源》 CAS 北大核心 2020年第4期434-439,共6页; 基金山东省重大科技创新工程项目(2018CXGC0803)。; 文摘文章建立了三维、稳态、恒温的8通道复合蛇形流道质子交换膜燃料电池(PEMFC)模型,并利用多物理场直接耦合分析软件COMSOL Multiphysics,对流道尺寸(宽度-深度)、气体扩散层(GDL)孔隙度、进气速度以及温度不同的8通道复合蛇形流道PEMFC单体内流动和传质过程进行了数值模拟和计算研究。研究结果表明,PEMFC的水分布特性、气体分布特性、电流密度分布特性、压力分布特性以及电化学特性均会随着宽度-深度的变化而变化,最佳宽度-深度组合为1.2 mm-0.8 mm,最佳GDL孔隙度-进气速度-温度组合为0.5-5 m/s-353.15 K。; 关键词 PEMFC 流道宽度-深度组合综合优化; Keywords PEMFC flow field combination of width-depth comprehensive optimization; 分类号 TK6 [动力工程及工程热物理—生物能] O469 [理学—凝聚态物理]; 在线阅读下载PDF 职称材料

题名多因素融合下基于AGC-LSTM的短时交通速度预测: 6; 作者陈雨佳高明霞向万里莫俊文; 机构兰州交通大学交通运输学院; 出处《现代电子技术》 2025年第18期9-16,共8页; 基金国家自然科学基金资助项目(62262037)。; 文摘为了更准确地预测快速变化的城市环境中短时交通速度的动态变化,在考虑历史数据、天气因素和周围兴趣点(POI)的基础上,进一步融入路况因素,构建了特征融合组件(EF-Component)。基于现有深度学习模型,研究多种因素作用下融合图卷积网络(GCN)、长短期记忆(LSTM)网络和注意力机制的城市短时交通速度预测模型(EF-AGC-LSTM)。先利用特征融合组件将多种影响因素进行综合,再利用GCN和LSTM提取交通速度的时空特征,通过将GCN嵌入到LSTM门控计算中来同步获取数据的时空特征;然后利用注意力机制自动识别并加强关键外部因素的影响特征,提升模型的性能表现。在深圳市罗湖区的速度数据集上进行实例验证,结果显示:与基线模型相比,EF-AGC-LSTM的预测效果有较大提升,与传统的GCN-LSTM模型相比,预测的平均绝对误差(MAE)和均方根误差(RMSE)分别降低4.3%和3.3%,准确率提高1.4%。此外,在引入路况因素后,预测的MAE和RMSE分别降低了1.22%和0.87%。综合考虑多种影响因素可以使得短时交通速度的预测效果得到进一步提升,且EF-AGC-LSTM模型可以良好地实现多因素融合下的短时交通速度预测,满足城市管理的需要。; 关键词智能交通短时交通速度预测特征融合组合深度学习图卷积网络长短期记忆网络注意力机制; Keywords intelligent transportation short-term traffic speed prediction feature fusion combinatorial deep learning graph convolutional network long and short-term memory network attention mechanism; 分类号 TN711-34 [电子电信] U491.14 [电子电信—电路与系统]; 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	基于组合深度学习的轨道交通短时进站客流预测模型	李淑庆李伟刘耀鸿马波	《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心	2024	8	在线阅读下载PDF 职称材料
2	基于产业链传导机制的锡金属价格组合预测研究	向先迪李云煜金刊罗光武刘春学	《中国矿业》北大核心	2025	0	在线阅读下载PDF 职称材料
3	面向变压器油中溶解气体分析的组合DBN诊断方法	荣智海齐波李成榕朱双静陈玉峰辜超	《电网技术》 EI CSCD 北大核心	2019	31	在线阅读下载PDF 职称材料
4	DNV相互影响腐蚀管道评价方法适应性分析	商同林	《表面技术》 EI CAS CSCD 北大核心	2017	2	在线阅读下载PDF 职称材料
5	8通道复合蛇形流道质子交换膜燃料电池综合优化研究	石磊郑明刚孔祥利	《可再生能源》 CAS 北大核心	2020	9	在线阅读下载PDF 职称材料
6	多因素融合下基于AGC-LSTM的短时交通速度预测	陈雨佳高明霞向万里莫俊文	《现代电子技术》	2025		在线阅读下载PDF 职称材料