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927篇文章
< 1 2 … 47 >
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：
面向缺失多元时间序列的图神经网络异常检测算法
1
作者 高杨 王新宇 +2 位作者 贺达 宋明黎 周春燕 《国防科技大学学报》 北大核心 2025年第3期32-40,共9页
针对真实物联网环境中的缺失多元时间序列异常检测难题,提出一种融合缺失信息图嵌入的多元时间序列异常检测算法;基于预插值与异常检测任务融合的联合学习框架,设计一个基于时序高斯核函数的图神经网络(graph neural network,GNN)预插... 针对真实物联网环境中的缺失多元时间序列异常检测难题,提出一种融合缺失信息图嵌入的多元时间序列异常检测算法;基于预插值与异常检测任务融合的联合学习框架,设计一个基于时序高斯核函数的图神经网络(graph neural network,GNN)预插值模块,实现了预插值与异常检测任务的共同优化;提出一种时间序列数据缺失信息嵌入的图结构学习方法,采用图注意力机制融合缺失信息掩蔽矩阵和时空特征向量,有效建模多元时间序列缺失数据分布的潜在联系。在真实物联网传感器数据集上验证了提出算法的性能,实验结果表明,该方法在缺失多元时间序列异常检测任务上显著优于主流两阶段方法,预插值模块对比实验论部分充分证明了基于高斯核函数的GNN预插值层的有效性。 展开更多
关键词 多元时间序列 异常检测 图神经网络 预插值
在线阅读 下载PDF
神经网络时间序列方法对混合氨基酸盐溶液二氧化碳吸收数据预测
2
作者 熊昊晨 秦佳敏 +3 位作者 武西宁 赵国庆 聂艳 徐龙 《低碳化学与化工》 北大核心 2025年第10期117-125,137,共10页
氨基酸盐溶液作为二氧化碳吸收剂具有吸收速率快、吸收负荷大和毒性低等优点,是二氧化碳捕集领域的研究热点之一。以质量分数分别为15%、15%和5%的N-甲基二乙醇胺(MDEA)、乙醇胺和赖氨酸钾组成的混合氨基酸盐溶液作为二氧化碳吸收剂,利... 氨基酸盐溶液作为二氧化碳吸收剂具有吸收速率快、吸收负荷大和毒性低等优点,是二氧化碳捕集领域的研究热点之一。以质量分数分别为15%、15%和5%的N-甲基二乙醇胺(MDEA)、乙醇胺和赖氨酸钾组成的混合氨基酸盐溶液作为二氧化碳吸收剂,利用基于反向传播(BP)算法的神经网络时间序列方法对该吸收剂在400 min内、不同温度下的二氧化碳吸收数据进行预测,并将预测数据与实验数据进行了对比。结果表明,预测模型的最优超参数为输入层-隐含层-输出层4-7-1、初始阻尼因子0.05、Tansig函数作激活函数,采用Levenberg-Marquardt算法迭代的粒子群(PSO)-BP神经网络算法。在对数据进行多次模拟后,该预测模型的平均均方误差为1.8289×10^(-11)。在所得最优超参数下,使用验证组在验证组+训练组中占比为70%、决定系数为0.9836的模型进行预测时,在400 min、40℃下,吸收负荷预测数据与实验数据的最大相对误差为2.031%。 展开更多
关键词 二氧化碳吸收 氨基酸盐溶液 神经网络 时间序列方法 数据预测
在线阅读 下载PDF
基于时间块动态图神经网络的序列推荐方法
3
作者 彭梓航 张全贵 +2 位作者 金海波 刘怡欣 齐玉欣 《计算机应用研究》 北大核心 2025年第8期2312-2319,共8页
基于动态图的序列推荐是当前推荐系统领域的一个研究热点。现有方法通常基于用户-物品交互序列的每个时间戳构建动态图,基于精细时间分辨率的方法,很难解决序列中用户偶然行为引发的噪声问题,同时也难以有效捕捉用户的周期性偏好。为此... 基于动态图的序列推荐是当前推荐系统领域的一个研究热点。现有方法通常基于用户-物品交互序列的每个时间戳构建动态图,基于精细时间分辨率的方法,很难解决序列中用户偶然行为引发的噪声问题,同时也难以有效捕捉用户的周期性偏好。为此,提出了一种基于时间块动态图神经网络的序列推荐方法TBDGNN(time-block-based dynamic graph neural network)。该方法首先根据用户-物品交互历史数据分布,将时间序列划分为若干个时间块。然后在每个时间块内构建动态图,以建模用户行为的时间演化。接下来,设计了一个时间块级的图神经网络框架,通过时间块划分来减少用户误操作等偶然交互的影响,并捕捉用户的周期性行为。实验表明,TBDGNN在MovieLens等数据集核心指标上显著优于DGEL基准,其中hit@10最高提升8.7%。实验结果验证了模型在动态推荐与周期性行为建模中的有效性。 展开更多
关键词 序列推荐 动态图神经网络 时间块 周期性偏好
在线阅读 下载PDF
基于NARX时间序列与BP神经网络的温室大棚不同采暖方式温度预测及节能性研究
4
作者 张伟 秦波 +8 位作者 戈小龙 黄存富 郭文强 李猛 邓晨 崔凤虎 谢小瓯 杨利冬 郭枭 《现代农业研究》 2025年第7期62-72,91,共12页
温度是调控温室大棚作物生长的核心环境参数,不同采暖方式形成的热动态具有很大差异,且传统静态预测模型难以满足复杂热环境的预测需求。本研究结合底角+侧墙暖板、空中悬挂裸膜、墙面装裸膜三种不同采暖方式测温点的温度数据,分别构建... 温度是调控温室大棚作物生长的核心环境参数,不同采暖方式形成的热动态具有很大差异,且传统静态预测模型难以满足复杂热环境的预测需求。本研究结合底角+侧墙暖板、空中悬挂裸膜、墙面装裸膜三种不同采暖方式测温点的温度数据,分别构建了不同采暖方式的传统BP、GA-BP及NARX时间序列神经网络温度预测模型,并结合模型的训练效果、预测精度以及不同采暖方式的节能性进行对比分析。结果表明:NARX神经网络模型训练收敛性与预测精度均显著优于BP和GA-BP模型;NARX神经网络模型中区域1(底角+侧墙暖板)模型预测效果最好,区域2(空中悬挂裸膜)次之,区域3(墙面装裸膜)预测效果欠佳;能耗评估表明,区域1采暖方式的能耗最低,单位面积温差能耗率仅为0.00789 kW・h/(m^(2)·℃·h),区域2次之,区域3能耗最高。本研究通过构建温室大棚内不同区域环境温度的精准预测模型,为温室大棚热环境调控提供了精细化管理依据。此外,通过节能性分析得到能耗较低的最优采暖方式(底角+侧墙暖板),在保障作物生长适宜温度的基础上提升了能源利用效率,为设施农业的精准化管理与可持续发展提供了理论指导。 展开更多
关键词 温室大棚 作物生长 温度 NARX时间序列神经网络 BP神经网络 GA-BP神经网络 节能性
在线阅读 下载PDF
基于树结构长短期记忆神经网络的金融时间序列预测 被引量：10
5
作者 姚小强 侯志森 《计算机应用》 CSCD 北大核心 2018年第11期3336-3341,共6页
针对传统方法对多噪声、非线性的时间序列无法进行有效预测的问题,以多尺度特征融合为切入点,提出并验证了基于树结构长短期记忆(LSTM)神经网络的预测方法。首先,提出了实现预测目标的核心方法,并分析了方法的内在优势;其次,构建了基于... 针对传统方法对多噪声、非线性的时间序列无法进行有效预测的问题,以多尺度特征融合为切入点,提出并验证了基于树结构长短期记忆(LSTM)神经网络的预测方法。首先,提出了实现预测目标的核心方法,并分析了方法的内在优势;其次,构建了基于树结构长短期记忆神经网络的预测模型;最后,基于最近十年的国际黄金现货交易数据对模型进行了验证。实验结果表明,所提算法预测准确率高出最小成功率近10个百分点,证实了所提方法的有效性。 展开更多
关键词 树结构 长短期记忆神经网络 金融时间序列 预测
在线阅读 下载PDF
基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测 被引量：1
6
作者 陈宇航 王渝红 +3 位作者 南璐 何川 王腾鑫 张敏 《现代电力》 北大核心 2025年第2期352-359,共8页
为提高电力系统短期负荷预测精度,充分挖掘历史数据中的多维度信息,更好地克服历史数据缺失带来的不利影响,提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到... 为提高电力系统短期负荷预测精度,充分挖掘历史数据中的多维度信息,更好地克服历史数据缺失带来的不利影响,提出一种基于自组织映射-前馈神经网络和先知混合模型的短期负荷预测方法。首先通过SOM神经网络对历史非功率数据聚类计算得到相似日集合,而后采用相似日数据对BP神经网络进行训练得到单点负荷值预测结果。其次,重点考虑历史数据的周期性和时序变化趋势,基于Prophet时序模型对历史负荷数据进行周期非线性拟合。通过历史数据拟合误差反馈,调整优化模型的关键超参数,最后基于误差倒数法组合得到短期负荷预测结果。以某地区电力负荷数据作为算例验证,结果表明所提的改进预测模型预测精度更高,且在克服历史数据缺失和拟合非工作日负荷曲线等方面具有优势。 展开更多
关键词 短期负荷预测 PROPHET 自组织映射-前馈 神经网络 时间序列
在线阅读 下载PDF
基于时空图神经网络的城市路网行程时间预测研究综述 被引量：1
7
作者 董慧 潘晓 +2 位作者 郭景峰 陈晓 王书海 《燕山大学学报》 北大核心 2025年第2期95-105,共11页
随着城市化进程的加速和交通网络的不断扩展,城市交通管理面临着日益复杂的挑战。准确的行程时间预测对于优化交通管理、提升出行体验以及推动智慧城市发展具有重要意义。受复杂的城市网络结构、交通流量的动态变化以及外界因素的影响,... 随着城市化进程的加速和交通网络的不断扩展,城市交通管理面临着日益复杂的挑战。准确的行程时间预测对于优化交通管理、提升出行体验以及推动智慧城市发展具有重要意义。受复杂的城市网络结构、交通流量的动态变化以及外界因素的影响,城市路网行程时间表现为强时空依赖性和随机性。时空图神经作为一种强大的时空建模工具,能够有效地捕获城市路网中复杂的时空关系。因此,基于时空图神经网络构建行程时间预测框架成为智慧交通领域的研究热点之一。从基于时空图神经网络行程时间预测框架的关键要素出发,即时空信息建模、预测任务选择以及学习范式设计,介绍此类研究近三年的研究进展。首先,对基于时空图神经网络的行程时间预测研究从问题定义和基本框架进行概述性描述。然后,根据关键要素中预测任务选择数量的不同,将相关研究工作分为单任务和多任务行程时间预测方法两类,并详细介绍每一类预测方法独有的特点以及代表性工作。最后,讨论行程时间预测在时空高阶相关性、隐式时空依赖关系以及可解释性方面建模的难点,并展望其未来发展趋势。 展开更多
关键词 图神经网络 时空图序列 时空数据挖掘 行程时间预测
在线阅读 下载PDF
双向长短期记忆网络的时间序列预测方法 被引量：8
8
作者 管业鹏 苏光耀 盛怡 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第3期103-112,共10页
时间序列预测即利用历史时间序列数据,预测未来一段时间内的数据信息,以便提前制定相应策略。目前,时间序列的类别复杂繁多,而现有的时间序列预测模型面对多种类型数据时无法取得稳定预测的结果,进而难以同时满足对现实中多种复杂的时... 时间序列预测即利用历史时间序列数据,预测未来一段时间内的数据信息,以便提前制定相应策略。目前,时间序列的类别复杂繁多,而现有的时间序列预测模型面对多种类型数据时无法取得稳定预测的结果,进而难以同时满足对现实中多种复杂的时序数据预测的应用需求。针对上述问题,提出了一种基于时间注意力机制双向长短期记忆网络的时间序列预测方法。笔者提出的网络模型采用改进的正向和反向传播机制提取时序信息并通过自适应权重分配策略推理未来的时序信息。具体来说,设计了一个改进的双向长短期记忆网络,通过结合双向长短期记忆和长短期记忆网络提取深度时间序列特征,挖掘上下文的时序依赖关系。在此基础上,融合所提出的时间注意力机制,实现对深度时间序列特征进行自适应加权,提升深度时序特征的显著性表达能力。通过与同类代表性方法在多个不同类别数据集上的客观定量对比,实验结果表明,该方法能够在多种类别的复杂时间序列数据上更优的预测性能。 展开更多
关键词 时间序列 双向长短期记忆网络 长短期记忆网络 注意力机制 深度学习
在线阅读 下载PDF
联合张量补全与循环神经网络的时间序列插补法 被引量：2
9
作者 何军 赖赵远 时勘 《数据采集与处理》 CSCD 北大核心 2024年第3期598-608,共11页
现存的插补方法大致分为基于统计的插补法和基于深度学习的插补法。基于统计的插补法只能捕捉线性时间关系,导致无法精准建模时间序列的非线性关系;基于深度学习的插补法往往没有考虑到不同时间序列之间的相关性。针对现有方法的问题,... 现存的插补方法大致分为基于统计的插补法和基于深度学习的插补法。基于统计的插补法只能捕捉线性时间关系,导致无法精准建模时间序列的非线性关系;基于深度学习的插补法往往没有考虑到不同时间序列之间的相关性。针对现有方法的问题,本文提出了联合张量补全与循环神经网络的时间序列插补法。首先,将多元时间序列建模成张量,通过张量的低秩补全捕获不同时间序列之间的关系。其次,提出了一个基于时间的动态权重,将张量插补结果和循环神经网络的预测结果进行融合,避免因为连续缺失导致的预测误差累积。最后,在多个真实的时间序列数据集上对所提方法进行了实验评估,结果显示该模型优于已有相关模型,且基于插补后的时间序列可以提升时间序列预测效果。 展开更多
关键词 张量补全 时间序列插补 循环神经网络
在线阅读 下载PDF
用于多元时间序列预测的图神经网络模型 被引量：1
10
作者 张晗 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第12期2500-2509,共10页
现有用于多元时序预测的图神经网络模型大多基于预定义图以静态的方式捕捉时序特征,缺少对于系统动态适应和对时序样本之间潜在动态关系的捕捉.提出用于多元时序预测的图神经网络模型(MTSGNN).该模型在一个图学习模块中,采用数据驱动的... 现有用于多元时序预测的图神经网络模型大多基于预定义图以静态的方式捕捉时序特征,缺少对于系统动态适应和对时序样本之间潜在动态关系的捕捉.提出用于多元时序预测的图神经网络模型(MTSGNN).该模型在一个图学习模块中,采用数据驱动的方式学习时间序列数据的静态图和动态演化图,以捕捉时序样本之间的复杂关系.通过图交互模块实现静态图和动态图之间的信息交互,并使用卷积运算提取交互信息中的依赖关系.利用多层感知机对多元时序进行预测.实验结果表明,所提模型在6个真实的多元时间序列数据集上的预测效果显著优于当前最先进的方法,并且具有参数量较小、运算速度较快的优点. 展开更多
关键词 多元时间序列 图神经网络 静态图 动态图 图交互
在线阅读 下载PDF
基于图神经网络的地下水位动态模拟模型
11
作者 许明家 孙龙 +1 位作者 李爽 鲁程鹏 《水文》 北大核心 2025年第1期30-36,共7页
地下水位的模拟精度在可持续的地下水资源利用和管理中起着重要的作用。机器学习方法可以捕获输入变量和目标变量之间的非线性关系,在地下水位模拟中得到了广泛的应用。然而,传统的机器学习方法没有考虑站与站之间的空间关系。本文使用... 地下水位的模拟精度在可持续的地下水资源利用和管理中起着重要的作用。机器学习方法可以捕获输入变量和目标变量之间的非线性关系,在地下水位模拟中得到了广泛的应用。然而,传统的机器学习方法没有考虑站与站之间的空间关系。本文使用图神经网络(GNN)模拟地下水位动态变化,以地下水水位监测站为节点,通过邻接矩阵连接节点;选择河北省典型漏斗区的监测数据对模型进行应用和评价。与三个对照模型:随机森林(RF)、支持向量机(SVR)和多层感知机(MLP)相比,所提出的模型在所定义的评估指标方面均表现更好。此外,所提出的模型可同时模拟建模系统中所有监测站的地下水位变化,相比单站模型具有更高的数据利用率。 展开更多
关键词 地下水位模拟 图神经网络 非平稳 时间序列
在线阅读 下载PDF
深度神经网络在不规则弥漫大B细胞淋巴瘤时间序列数据分类预测中的应用 被引量：1
12
作者 李琼 张岩波 +8 位作者 余红梅 周洁 赵艳琳 李雪玲 王俊霞 张高源 乔宇 赵志强 罗艳虹 《中国卫生统计》 CSCD 北大核心 2024年第2期190-193,199,共5页
目的探讨深度神经网络在不规则时间序列数据中的分类效果,并对山西某医院2014-2020年362例弥漫大B细胞淋巴瘤(diffuse large B-cell lymphoma,DLBCL)患者进行复发预测。方法回顾性地收集了确诊且治疗后达到完全缓解的362例DLBCL患者的... 目的探讨深度神经网络在不规则时间序列数据中的分类效果,并对山西某医院2014-2020年362例弥漫大B细胞淋巴瘤(diffuse large B-cell lymphoma,DLBCL)患者进行复发预测。方法回顾性地收集了确诊且治疗后达到完全缓解的362例DLBCL患者的病例资料,并预测其两年内的复发。先利用LASSO回归进行变量的筛选,再构建基于GRU-ODE-Bayes(gated recurrent unirt-ordinary differential equation-Bayes)的不规则时间序列深度神经网络模型,并与传统模型及其他深度神经网络模型进行比较。结果在本文的所有模型中,传统模型的分类性能不及深度神经网络模型。其中GRU-ODE-Bayes模型最优,其AUC为0.85,灵敏度为0.84,特异度为0.71,G-means为0.77。结论关于不规则DLBCL时间序列数据,与本文其他模型相比,GRU-ODE-Bayes模型可以更精准地预测DLBCL患者的复发情况,可为患者个性化治疗和医生决策提供参考。 展开更多
关键词 弥漫大B细胞淋巴瘤 不规则时间序列数据 复发预测 深度神经网络
在线阅读 下载PDF
基于动态神经网络NARX时间序列的双排桩基坑变形预测 被引量：4
13
作者 侯福昌 曾家俊 +2 位作者 江杰 李结全 范懿文 《广西大学学报（自然科学版）》 CAS 北大核心 2024年第1期49-59,共11页
针对目前基于含基本假设或经验公式的传统土力学计算方法,不能有效地反映具有多因素交叉性以及时空性的基坑变形规律,而监测数据时间序列能够真实地表现基坑土体变形的演变,以南宁市亭洪路72号河南水厂住宅小区危旧房改造项目双排桩基... 针对目前基于含基本假设或经验公式的传统土力学计算方法,不能有效地反映具有多因素交叉性以及时空性的基坑变形规律,而监测数据时间序列能够真实地表现基坑土体变形的演变,以南宁市亭洪路72号河南水厂住宅小区危旧房改造项目双排桩基坑工程为依托,考虑开挖深度和土体暴露时间这2个因素对监测时间序列的影响,提出一种带有外部输入的非线性自回归(NARX)动态神经网络时间序列模型,多方位预测关键断面重要测点的竖向位移和水平位移。结果表明:预测值和实际监测数据的变化趋势具有较好的一致性,且竖向位移预测值与实际监测值的预测残差小于1.0 mm,水平位移预测残差小于0.3 mm。该模型预测效果良好,同时验证了此模型应用于双排桩基坑变形动态分析的可行性。 展开更多
关键词 动态神经网络 时间序列 预测模型 双排桩 基坑变形
在线阅读 下载PDF
时间感知增强的动态图神经网络序列推荐算法 被引量：3
14
作者 陈万志 王军 《计算机工程与应用》 CSCD 北大核心 2024年第20期142-152,共11页
现有的图神经网络序列推荐方法只关注序列的时序信息而没考虑到序列的时间间隔信息,且只采用单任务的模式进行序列推荐,忽略了可以增强数据,提高泛化能力的辅助任务,这将导致用户的动态交互偏好以及交互时间信息无法被清晰地捕捉。为了... 现有的图神经网络序列推荐方法只关注序列的时序信息而没考虑到序列的时间间隔信息,且只采用单任务的模式进行序列推荐,忽略了可以增强数据,提高泛化能力的辅助任务,这将导致用户的动态交互偏好以及交互时间信息无法被清晰地捕捉。为了缓解上述问题带来的影响,提出了增强时间感知的动态图神经网络序列推荐算法(time-aware enhancement dynamic graph neural networks for sequential recommendation,TaDGSR),具有两方面的优点。该方法将序列构造为一个具有时序信息的动态图,在此基础上融入时间间隔信息并增加时间门控注意力网络模块,以便在捕捉序列间的高阶动态连接的同时增强对时间信息的充分利用。该方法采用了时间阈值分割的长短期预估任务作为其辅助任务,加强时间间隔信息表征的利用,使模型更好地捕捉不同交互间隔的用户动态偏好,最终提升序列推荐任务性能。通过在Amazon电商的Beauty数据集、Games数据集以及CDs数据集上进行的实验,结果表明:(1)与目前较新的基准方法相比,所提方法在三个数据集的Hit@10和NDCG@10指标值上分别取得了4.47%、4.37%、2.72%、1.16%、4.61%、3.97%的平均提升;(2)增加时间间隔信息可以有效提高动态图神经网络的推荐性能,采用时间门控注意力模块以及长短期预估辅助任务对预测性能均能带来正面提升。 展开更多
关键词 序列推荐 图神经网络 邻域聚合 时间感知 多任务学习
在线阅读 下载PDF
广义回归神经网络修正GNSS垂向坐标时间序列环境负荷效应 被引量：1
15
作者 高菡 匡翠林 楚彬 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第9期3357-3366,共10页
环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入... 环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入数据驱动的广义回归神经网络(Generalized Regression Neural Network,GRNN)方法改善环境负荷修正效果.以川滇地区GNSS测站的垂向坐标时间序列为研究对象,首先基于变分贝叶斯独立分量分析(Variational Bayesian Independent Component Analysis,vbICA)技术分离坐标序列,分析得到周期性分量,发现大气及陆地储水负荷是引起测站坐标发生季节性变化的重要原因.然后通过GRNN建立与大气及陆地储水相关的环境因素数据和坐标时间序列数据之间的关联,进而消除坐标时间序列中两种环境负荷的影响.经数据驱动的GRNN建模修正大气及陆地储水负荷影响后,各测站坐标残差序列的RMS值平均降低了21.56%,而采用传统的物理模型方法修正后平均降低幅度仅为9.29%,可认为基于GRNN方法的改正效果更好.另外顾及地下温度、冰浓度、比湿、降雨率四种气候因素的影响建立GRNN模型,结果表明地下温度因素对川滇地区GNSS测站垂向坐标影响稍大. 展开更多
关键词 GNSS坐标时间序列 环境负荷 广义回归神经网络 数据驱动
在线阅读 下载PDF
基于时空特征向量的长短期记忆人工神经网络的城市公交旅行时间预测 被引量：8
16
作者 张欣环 刘宏杰 +2 位作者 施俊庆 毛程远 孟国连 《计算机应用》 CSCD 北大核心 2021年第3期875-880,共6页
针对"随着预测距离的增加,旅行时间预测的难度加大"的问题,提出了一种基于时空特征向量的长短期记忆(LSTM)和人工神经网络(ANN)的综合预测模型。首先,将24 h切分为288个时间切片,以生成时间特征向量;然后,基于时间切片建立LST... 针对"随着预测距离的增加,旅行时间预测的难度加大"的问题,提出了一种基于时空特征向量的长短期记忆(LSTM)和人工神经网络(ANN)的综合预测模型。首先,将24 h切分为288个时间切片,以生成时间特征向量;然后,基于时间切片建立LSTM时间窗口模型,该模型可解决长期预测的窗口移动问题;其次,将公交线路切分为多个空间切片,并使用当前空间切片的共同平均速度作为瞬时速度,同时将每个空间切片的预测时间用作空间特征向量,并将其发送到新型的混合神经网络模型LSTM-A中,该模型结合两种预测模型的优点并解决了公交旅行时间预测问题;最后,基于实验数据集进行了实验和测试:将公交站点间的预测问题划分为线路切片预测子问题,并针对每个相关的子问题引入了实时计算的概念,从而避免了复杂路况带来的预测误差。实验结果表明,所提算法在准确性、适用性方面均优于单个神经网络模型。综上,所提的新型混合神经网络模型LSTM-A能从时间特征的维度实现长距离到站预测、从空间特征的维度实现短距离到站预测,从而有效地解决了城市公交旅行时间预测问题,避免了公交车辆的远程依赖和错误积累。 展开更多
关键词 城市交通 长短期记忆网络 人工神经网络 长短期记忆人工神经网络 旅行时间预测
在线阅读 下载PDF
基于时间序列和神经网络的电力设备状态异常检测方法 被引量：20
17
作者 丁江桥 文屹 +3 位作者 吕黔苏 张迅 范强 黄军凯 《电测与仪表》 北大核心 2024年第2期185-190,共6页
为进一步提高电力设备异常检测方法对设备信息的利用率,发现更多潜在的设备故障,结合大数据分析技术和设备评估技术,提出了一种基于时间序列和神经网络的状态数据异常检测方法。通过时间序列自回归模型和自组织映射神经网络将连续的电... 为进一步提高电力设备异常检测方法对设备信息的利用率,发现更多潜在的设备故障,结合大数据分析技术和设备评估技术,提出了一种基于时间序列和神经网络的状态数据异常检测方法。通过时间序列自回归模型和自组织映射神经网络将连续的电力设备数据离散为单个序列,计算状态变量在时间轴上的转移概率,通过状态转移概率和聚类算法快速检测数据异常。通过实验对该方法的有效性进行验证。结果表明,该方法可以快速、有效地检测电力设备异常状态。 展开更多
关键词 电力设备 时间序列自回归模型 自组织映射神经网络 转移概率 异常检测
在线阅读 下载PDF
时间序列与神经网络法相结合的短期风速预测 被引量：94
18
作者 蔡凯 谭伦农 +1 位作者 李春林 陶雪峰 《电网技术》 EI CSCD 北大核心 2008年第8期82-85,90,共5页
利用时间序列-神经网络法研究了短期风速预测。该方法用时间序列模型来选择神经网络的输入变量,选用多层反向传播(back propagation,BP)神经网络和广义回归神经网络(generalized regression neural network,GRNN)分别对采样时间间隔为10... 利用时间序列-神经网络法研究了短期风速预测。该方法用时间序列模型来选择神经网络的输入变量,选用多层反向传播(back propagation,BP)神经网络和广义回归神经网络(generalized regression neural network,GRNN)分别对采样时间间隔为10min、20min和30min的风速序列进行预测。结果表明,时间序列结合GRNN的方法精度更高,具有一定的实用价值。 展开更多
关键词 短期风速预测 风力发电 时间序列 人工神经网络
在线阅读 下载PDF
基于贝叶斯优化混合神经网络的短波通信频率预测
19
作者 汪梦西 徐池 +1 位作者 汪静 李利 《火力与指挥控制》 北大核心 2025年第9期36-44,共9页
频率优选是制约海军中远程短波通信的瓶颈问题,为进一步提高海上短波通信的及时性与准确性,提出一种基于贝叶斯优化混合神经网络的短波频率预测方法,构建卷积神经网络与双向长短期记忆神经网络相结合的混合预测模型,并采用贝叶斯优化算... 频率优选是制约海军中远程短波通信的瓶颈问题,为进一步提高海上短波通信的及时性与准确性,提出一种基于贝叶斯优化混合神经网络的短波频率预测方法,构建卷积神经网络与双向长短期记忆神经网络相结合的混合预测模型,并采用贝叶斯优化算法进行超参数寻优。仿真结果表明,研究提出的BO-CNN-BiLSTM模型预测精度高、稳定性好,在欠样本条件下依旧能够得到较好的预测效果,为海上短波通信选频提供了一种有效的新方法。 展开更多
关键词 短波通信 神经网络 贝叶斯优化 时间序列 频率预测
在线阅读 下载PDF
基于自注意与图神经网络的弹体侵彻靶板材质检测方法研究
20
作者 付世杰 邵伟平 郝永平 《弹箭与制导学报》 北大核心 2025年第3期386-391,共6页
针对当前智能化现代战争中,炮弹实现精准打击及对射击目标判断的复杂性,提出基于一种图神经网络和自注意力机制融合的多元时间序列数据检测模型,利用弹体内部多元传感器的实时数据对弹体击中目标的材质进行分类检测,从而配合其他检测方... 针对当前智能化现代战争中,炮弹实现精准打击及对射击目标判断的复杂性,提出基于一种图神经网络和自注意力机制融合的多元时间序列数据检测模型,利用弹体内部多元传感器的实时数据对弹体击中目标的材质进行分类检测,从而配合其他检测方法实现对炮弹是否击中目标做出精准判断。通过引入图模型,自注意力机制在传感器维度进行消息传递,提高模型对不同传感器数据变化的感知能力,并更加注重其有效信息;针对不规则数据采样和多元时间序列的复杂性,利用时间信息关系特征,建立时间自注意力机制网络对复杂时间序列的建模方法。实验结果表明,相比目前主流模型,所提算法实现了更高的精度,对射击目标靶板的材质识别准确率高达90%;该研究工作为实现对目标打击识别智能化检测提供了依据参考。 展开更多
关键词 图神经网络 时间序列 自注意力机制 LS-DYNA 分类
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 … 47 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