期刊文献+
共找到314篇文章
< 1 2 16 >
每页显示 20 50 100
基于注意力长短期记忆深度网络的变电站上游水库水文防汛数据建模
1
作者 梁允 郭志民 +2 位作者 孟高军 卢明 李哲 《电子器件》 2025年第1期182-186,共5页
对变电站上游水库流入量的可靠预测是变电站防汛预报的一个关键因素。流入量的预测由于需要综合考虑气候和水文变化的影响,使其成为一项复杂的任务。开发了一种基于卷积长短期记忆的深度学习方法来实时预测排水量。这种实时预测不仅有... 对变电站上游水库流入量的可靠预测是变电站防汛预报的一个关键因素。流入量的预测由于需要综合考虑气候和水文变化的影响,使其成为一项复杂的任务。开发了一种基于卷积长短期记忆的深度学习方法来实时预测排水量。这种实时预测不仅有助于水资源的有效运行,同时可以有效地监测放水的日常变化,提高运行的可靠性。通过考虑历史观测日数据中的降水量、温度、土壤含水量等信息,利用注意力长短期记忆网络异常检测算法对变电站所处地区的防汛工作进行预测。多瑙河流域观察日数据上进行的实验结果表明,所提出的方法减少了每个分析的水位测量站的误差,高水位时期的实验结果也证实所提出的方法要优于浅层模型。 展开更多
关键词 洪水预测 长短期记忆网络 注意力机制 预测模型
在线阅读 下载PDF
基于长短期记忆网络的煤巷支护设计参数预测
2
作者 马清水 郭瑞 +4 位作者 韩伟 宋永明 梁燕翔 刘耀 王佳明 《能源与环保》 2025年第2期235-240,共6页
目前,大量煤巷设计规程数据处于休眠状态,并未给设计人员提供参考,支护设计主要依靠专家经验。为解决这一问题,将基于深度学习的长短期记忆网络(Long Short Term Memory,LSTM)算法引入煤矿巷道领域进行支护设计参数预测。收集全国各地... 目前,大量煤巷设计规程数据处于休眠状态,并未给设计人员提供参考,支护设计主要依靠专家经验。为解决这一问题,将基于深度学习的长短期记忆网络(Long Short Term Memory,LSTM)算法引入煤矿巷道领域进行支护设计参数预测。收集全国各地煤矿巷道支护规程文本资料,利用LSTM算法构建煤矿巷道支护设计参数预测模型。结果表明,LSTM模型能较好地达到煤矿巷道支护设计参数预测的效果;为了更加直观地看出模型测试集的整体预测效果,随机选取测试集中的9条数据,可视化展示模型效果。最后,将模型运用在M煤矿F6204工作面巷道工程,模型生成的新方案与实际方案基本吻合,验证了模型的实用性和智能性。 展开更多
关键词 煤矿巷道 支护设计 长短期记忆网络(lstm)
在线阅读 下载PDF
基于扩散模型和双向长短期记忆网络的锂电池SOH估计
3
作者 柯欢 《河南科技》 2024年第19期5-11,共7页
【目的】锂电池健康状态(state of health, SOH)的精确预测评估可以提高电池设备的安全性,降低故障的发生率。针对数据驱动方法在模型训练过程中需要大量标签样本数据的问题,提出了一种新的基于扩散模型和双向长短期记忆网络的锂电池SO... 【目的】锂电池健康状态(state of health, SOH)的精确预测评估可以提高电池设备的安全性,降低故障的发生率。针对数据驱动方法在模型训练过程中需要大量标签样本数据的问题,提出了一种新的基于扩散模型和双向长短期记忆网络的锂电池SOH估计方法。【方法】首先,建立电池充电时间、电压和温度三者间的长期依赖关系云图;其次,设计一个时空信息捕捉模块,将该模块捕获的长期依赖信息作为扩散模型的生成条件,赋予扩散模型电池SOH数据生成能力;最后,利用双向长短期记忆网络(Bi-LSTM)对部分由原始数据和生成数据混合而成的电池数据集进行训练,并利用剩余的原始数据作为测试集对所提方法进行验证。【结果】验证结果表明,该方法不仅可以减少收集电池数据类型的周期和成本,而且能够有效预测电池SOH。【结论】该方法在电池SOH估计上具备良好的精度,可进一步探索其他电池数据集组合,优化模型结构,提高电池管理系统。 展开更多
关键词 电池健康状态 数据驱动 时空信息 扩散模型 双向长短期记忆网络
在线阅读 下载PDF
基于长短期记忆模型的跟车距离预测研究
4
作者 张胤 《汽车实用技术》 2024年第5期97-101,共5页
当前不少前向碰撞预警系统以预警距离作为预警的特征量对驾驶人进行预警,因此,提高对跟车距离的预测准度能够直观有效提高该前向碰撞预警系统的预警能力。研究通过驾驶模拟器构建跟车场景,收集了41名驾驶员的跟车行为数据,按照3:1的比... 当前不少前向碰撞预警系统以预警距离作为预警的特征量对驾驶人进行预警,因此,提高对跟车距离的预测准度能够直观有效提高该前向碰撞预警系统的预警能力。研究通过驾驶模拟器构建跟车场景,收集了41名驾驶员的跟车行为数据,按照3:1的比例将试验数据划分为训练集和测试集。将驾驶人的跟车距离与速度作为长短期记忆模型的输入,跟车距离作为模型的输出,对驾驶人的跟车距离进行了预测分析研究。结果表明,利用该数据集的模型能够很好的预测驾驶人的跟车行为,泛化性能较好,没有过度拟合现象。并且通过输入不同时间窗口长度的测试集发现,随着测试集长度的降低,预测结果的误差会更大。能够为提高前向碰撞预警系统的精准度提供理论支持,从而增加驾驶员对预警系统的接受度。 展开更多
关键词 长短期记忆模型 神经网络 跟车距离
在线阅读 下载PDF
基于长短期记忆网络的CO_(2)气层识别方法 被引量:1
5
作者 何丽娜 吴文圣 +3 位作者 王显南 张伟 张传举 宋孝雨 《测井技术》 CAS 2024年第1期1-7,共7页
CO_(2)监测是油气开采中的关键环节,传统的CO_(2)监测方法面临很多挑战,在人工智能逐渐兴起的当下,深度学习技术被广泛应用于地球物理测井。珠江口盆地恩平凹陷深层CO_(2)气藏发育,传统测井方法无法准确评价储层流体。构建了基于长短期... CO_(2)监测是油气开采中的关键环节,传统的CO_(2)监测方法面临很多挑战,在人工智能逐渐兴起的当下,深度学习技术被广泛应用于地球物理测井。珠江口盆地恩平凹陷深层CO_(2)气藏发育,传统测井方法无法准确评价储层流体。构建了基于长短期记忆网络(LSTM)的CO_(2)气层识别模型,采用m×2正则化交叉验证优选CO_(2)敏感测井参数,并对模型进行训练。利用该模型对珠江口盆地恩平凹陷L2井CO_(2)气层进行识别,并与支持向量机和K近邻算法识别结果进行对比。结果表明,3种深度学习算法对CO_(2)气层的识别效果良好,其中LSTM算法对CO_(2)气层的识别效果最好,准确度达93.4%,为深层CO_(2)气层识别工作提供了新思路。 展开更多
关键词 CO_(2)气层识别 长短期记忆网络(lstm) 深度学习 珠江口盆地
在线阅读 下载PDF
基于长短期记忆神经网络模型的空气质量预测 被引量:15
6
作者 张冬雯 赵琪 +1 位作者 许云峰 刘滨 《河北科技大学学报》 CAS 2020年第1期67-75,共9页
随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以... 随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以预测非常重的污染;SANKAR等使用多元线性回归对空气质量进行预测,但其实验结果表明线性模型预测精度低、效率慢;P REZ等使用统计方法对空气质量进行预测,实验结果证明统计方法的预测精度比较低;WANG等采用改进的BP神经网络建立了空气质量指数的预测模型,其实验验证了BP神经网络收敛速度慢、容易陷入局部最优解的问题;YANG等利用相邻网格的空气质量浓度效应,建立了基于随机森林的PM 2.5浓度预测模型,通过实验过程证明网格划分程序削弱了后续空气质量分析的质量和效率。这些方法都难以从时间角度建模,其中预测精度低是比较重要的问题。因为预测精度低可能会导致空气质量预测结果出现较大的误差。针对空气质量研究中预测精度低的问题,提出了基于长短期记忆单元(long short-term memory,LSTM)的神经网络模型。该模型使用MAPE,RMSE,R,IA和MAE等指标来检测LSTM神经网络与对比模型的预测性能。由于Delhi和Houston是空气污染程度比较严重的城市,所以使用的实验数据集来自Delhi的Punjabi Bagh监测站2014—2016年的空气质量数据和Houston的Harris County监测站2010—2016年的空气质量数据。LSTM神经网络与多元线性回归和回归模型(SVR)的比较结果表明,LSTM神经网络适应多个变量或多输入的时间序列预测问题,LSTM神经网络具有预测精度高、速度快和较强的鲁棒性等优点。 展开更多
关键词 计算机神经网络 空气质量 长短期记忆单元 深度学习 多元线性回归 回归模型
在线阅读 下载PDF
基于双尺度长短期记忆网络的交通事故量预测模型 被引量:10
7
作者 李文书 邹涛涛 +1 位作者 王洪雁 黄海 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2020年第8期1613-1619,共7页
为了降低交通事故的发生、减少财产损失,建立新型交通事故量预测模型.该模型利用双尺度分解方程将原始交通事故时间序列分解为多个子层,并利用长短期记忆(LSTM)网络对得到的低频子层进行预测;利用双尺度重构方程将低频子层的预测结果进... 为了降低交通事故的发生、减少财产损失,建立新型交通事故量预测模型.该模型利用双尺度分解方程将原始交通事故时间序列分解为多个子层,并利用长短期记忆(LSTM)网络对得到的低频子层进行预测;利用双尺度重构方程将低频子层的预测结果进行重构.分别构建LSTM预测模型、门控循环单元(GRU)预测模型、自编码(SAEs)预测模型和双尺度长短期记忆网络(DS-LSTM)预测模型,利用这4个预测模型对2个数据集进行预测.结果表明,本研究模型相较其他模型能够有效预测交通事故时间序列,且具有较强的鲁棒性.对于2个数据集,相较于原始的LSTM模型,DS_LSTM预测模型预测准确度分别提高6%、28%;对2个不同数据库(利兹和UK)的测试表明本研究模型具有较好的泛化性能. 展开更多
关键词 交通事故 预测模型 长短期记忆网络 双尺度分解 双尺度重构
在线阅读 下载PDF
基于长短期记忆生成对抗网络的小麦品质多指标预测模型 被引量:9
8
作者 蒋华伟 张磊 《电子与信息学报》 EI CSCD 北大核心 2020年第12期2865-2872,共8页
小麦多生理生化指标变化趋势反映了储藏品质的劣变状态,预测多指标时序数据会因关联性及相互作用而产生较大误差,为此该文基于长短期记忆网络(LSTM)和生成式对抗网络(GAN)提出一种改进拓扑结构的长短期记忆生成对抗网络(LSTM-GAN)模型... 小麦多生理生化指标变化趋势反映了储藏品质的劣变状态,预测多指标时序数据会因关联性及相互作用而产生较大误差,为此该文基于长短期记忆网络(LSTM)和生成式对抗网络(GAN)提出一种改进拓扑结构的长短期记忆生成对抗网络(LSTM-GAN)模型。首先,由LSTM预测多指标不同时序数据的劣变趋势;其次,根据多指标的关联性并结合GAN的对抗学习方法来降低综合预测误差;最后通过优化目标函数及训练模型得出多指标预测结果。经实验分析发现:小麦多指标的长短期时序数据的变化趋势不同,进一步优化模型结构及训练时序长度可有效降低预测结果的误差;特定条件下小麦品质过快劣变会使多指标预测误差增大,因此应充分考虑储藏期环境变化对多指标数据的影响;LSTM-GAN模型的综合误差相对于仅使用LSTM预测降低了9.745%,并低于多种对比模型,这有助于提高小麦品质多指标预测及分析的准确性。 展开更多
关键词 长短期记忆网络 生成式对抗网络 小麦多指标 预测模型
在线阅读 下载PDF
基于堆叠长短期记忆网络的互联网流量预测 被引量:2
9
作者 孟智慧 刘辉 +3 位作者 刘伟信 曹颜辉 史文强 崔军勇 《电信工程技术与标准化》 2024年第6期80-85,共6页
对互联网流量的有效预测是网络运营商进行网络优化的重要组成部分,为了提高互联网流量的有效预测,本文提出了一种堆叠长短期记忆网络(LSTM)模型来预测未来的互联网流量。首先,介绍了堆叠LSTM的网络结构。然后构建了4种不同堆叠层数的LST... 对互联网流量的有效预测是网络运营商进行网络优化的重要组成部分,为了提高互联网流量的有效预测,本文提出了一种堆叠长短期记忆网络(LSTM)模型来预测未来的互联网流量。首先,介绍了堆叠LSTM的网络结构。然后构建了4种不同堆叠层数的LSTM网络结构,并利用欧洲11个城市的ISP互联网流量和英国学术网流量数据集进行实验对比,确定了当堆叠层数为2层时,预测的精确度最高。最后为了验证该模型的有效性,通过均方根误差和平均绝对误差这两个衡量标准,与DBN、GRU、HA模型进行比较。实验结果表明,基于堆叠的LSTM预测模型较其它模型的RMSE值和ER值均有所降低。 展开更多
关键词 长短期记忆网络 预测模型 互联网流量预测 堆叠 深度置信网络
在线阅读 下载PDF
基于长短期记忆网络与轻梯度提升机的航空发动机大修期内剩余寿命预测
10
作者 杨硕 高成 《航空发动机》 北大核心 2024年第3期87-92,共6页
针对航空发动机大修期内由性能主导的剩余使用寿命预测中复杂设备具有状态变量多、非线性特征严重的特点以及单一模型面临特征提取不充分、预测精度不足等问题,提出一种长短期记忆网络(LSTM)与轻梯度提升机(LightGBM)的组合新模型方法... 针对航空发动机大修期内由性能主导的剩余使用寿命预测中复杂设备具有状态变量多、非线性特征严重的特点以及单一模型面临特征提取不充分、预测精度不足等问题,提出一种长短期记忆网络(LSTM)与轻梯度提升机(LightGBM)的组合新模型方法进行大修期内剩余使用寿命(RUL)预测。通过LSTM对原始数据进行特征提取,将LSTM的输出门中特征提取后的数据作为LightGBM模型的输入进行RUL预测。利用NASA提供的发动机实测数据集进行了仿真试验,实现了对单个发动机的RUL预测,并与其他6种模型预测结果进行对比,对其预测剩余使用寿命的有效性进行验证。结果表明:LSTM和LightGBM组合模型比其他模型的预测误差显著减小,其4组数据集均方根误差仅为12.45、20.23、12.58、21.75。 展开更多
关键词 剩余寿命预测 组合模型 轻梯度提升机 长短期记忆网络 航空发动机
在线阅读 下载PDF
基于长短期记忆网络的TBM掘进预测模型及围岩等级对预测精度的影响 被引量:5
11
作者 曹晋镨 刘芳 申志福 《土木工程学报》 EI CSCD 北大核心 2022年第S02期92-102,共11页
全断面隧道掘进机(TBM)施工过程可以采集大量丰富数据,这使得建立数据驱动的TBM掘进预测模型成为可能。为探究围岩等级信息对模型预测精度的影响,以TBM掘进循环上升段数据为主要输入,基于深度学习中的长短期记忆(LSTM)网络,建立两种考... 全断面隧道掘进机(TBM)施工过程可以采集大量丰富数据,这使得建立数据驱动的TBM掘进预测模型成为可能。为探究围岩等级信息对模型预测精度的影响,以TBM掘进循环上升段数据为主要输入,基于深度学习中的长短期记忆(LSTM)网络,建立两种考虑围岩等级信息的、一种不考虑围岩等级信息的TBM稳定段推力、扭矩预测模型。保持其他条件相同,对三种模型进行训练、测试。结果表明,在由于围岩等级分布不均匀而导致的训练样本数较少的情况下,可以通过精确的掘进循环参数提取与数据增强,使三种模型预测推力、扭矩时均能达到较高的精度(误差分别在8%、14%以内)。两种引入围岩等级信息作为输入参数的方法并不能明显提高模型的预测精度。三种模型中,以围岩等级信息作为LSTM网络初始状态的模型,其预测精度以不到1%的优势领先其他模型的预测精度。该优势主要由于该模型能够较好地预测V级围岩中的掘进循环稳定段参数。 展开更多
关键词 全断面隧道掘进机(TBM) 掘进参数预测 长短期记忆模型(lstm) 围岩等级影响
在线阅读 下载PDF
基于小波分解-长短期记忆网络预测模型的酱卤肉制品安全预测分析 被引量:6
12
作者 尹佳 陈翔 +4 位作者 董曼 陈锂 郭鹏程 张涛 文红 《食品科学》 EI CAS CSCD 北大核心 2022年第3期121-128,共8页
为实现酱卤肉制品安全风险精准预警,本研究基于2014—2019年全国酱卤肉制品历史抽样检验数据信息,尝试将小波分解和长短期记忆网络(long short-term memory,LSTM)模型相结合,构建了全国31个省份酱卤肉制品安全风险预测模型。结果表明,... 为实现酱卤肉制品安全风险精准预警,本研究基于2014—2019年全国酱卤肉制品历史抽样检验数据信息,尝试将小波分解和长短期记忆网络(long short-term memory,LSTM)模型相结合,构建了全国31个省份酱卤肉制品安全风险预测模型。结果表明,小波分解-LSTM预测模型对酱卤肉制品安全风险预测有较高的准确率,以湖北省为例,预测准确率为0.99,全国31个省份的平均准确率为0.95,标准偏差为0.029,整体准确率较高,且准确率波动较小,说明建立的小波分解-LSTM模型可以适用于酱卤肉制品安全风险等级的精准预测,可为日常监管和食品安全风险预警提供技术支撑。 展开更多
关键词 酱卤肉制品 风险预测模型 小波分解 长短期记忆网络
在线阅读 下载PDF
长短期记忆模型的超级参数调节在径流预测中的效果研究 被引量:5
13
作者 黄文峰 《西华大学学报(自然科学版)》 CAS 2020年第1期23-29,共7页
文章采用机器学习中的长短期记忆模型(LSTM)预测汉江水系部分子流域的径流量,用纳什效率系数来评价预测精度。计算结果表明,LSTM的超级参数对径流量预测效果的影响显著,恰当的超级参数可使纳什效率系数达到0.93以上。在常用的超级参数当... 文章采用机器学习中的长短期记忆模型(LSTM)预测汉江水系部分子流域的径流量,用纳什效率系数来评价预测精度。计算结果表明,LSTM的超级参数对径流量预测效果的影响显著,恰当的超级参数可使纳什效率系数达到0.93以上。在常用的超级参数当中,回溯次数、输入数据的随机舍弃率、数据遍历次数对预测精度的影响较大。这些超级参数在多个子流域的径流预测中有_定的通用性。作为防止过拟合现象的超级参数,输入数据随机舍弃率在径流量预测中宜设置低值,以免漏报洪水,这与通常机器学习中的设置有所不同。 展开更多
关键词 径流预测 机器学习 长短期记忆模型 超级参数
在线阅读 下载PDF
基于长短期记忆网络的动车组轴箱轴承故障诊断预测模型研究 被引量:5
14
作者 刘冠男 常振臣 +2 位作者 高明亮 赵明 高珊 《城市轨道交通研究》 北大核心 2022年第2期86-91,共6页
动车组轴箱轴承是动车组转向架的关键部件,其运行品质直接影响动车组的运营安全。以深度学习算法为基础,利用轴承振动信号时间序列的特点和LSTM(长短期记忆网络)擅长处理时间序列的优势,通过构建LSTM模型对轴承的故障状态进行识别,开发... 动车组轴箱轴承是动车组转向架的关键部件,其运行品质直接影响动车组的运营安全。以深度学习算法为基础,利用轴承振动信号时间序列的特点和LSTM(长短期记忆网络)擅长处理时间序列的优势,通过构建LSTM模型对轴承的故障状态进行识别,开发了基于深度学习的轴承故障诊断预测软件,实现了轴承故障早期的分类与诊断。模型的仿真和试验表明,该诊断模型能有效地提高故障诊断的辨识精度,模型拟合优度可达到90%,辨识准确率最高可达到98%。 展开更多
关键词 动车组 轴箱轴承 故障诊断预测模型 长短期记忆网络
在线阅读 下载PDF
基于自回归与长短期记忆网络混合模型的热电偶动态补偿方法研究 被引量:2
15
作者 崔志文 李文军 +1 位作者 虞思思 金敏俊 《中国测试》 CAS 北大核心 2023年第9期63-72,共10页
热电偶在动态温度测量时由于热惯性存在动态误差。为补偿热电偶的动态误差,提出一种基于自回归与长短期记忆网络混合模型的补偿算法。该算法通过自回归模型对热电偶动态响应进行辨识,再由长短期记忆网络作为非线性补偿器校正动态误差。... 热电偶在动态温度测量时由于热惯性存在动态误差。为补偿热电偶的动态误差,提出一种基于自回归与长短期记忆网络混合模型的补偿算法。该算法通过自回归模型对热电偶动态响应进行辨识,再由长短期记忆网络作为非线性补偿器校正动态误差。采用不同强度的高斯白噪声模拟噪声环境,仿真构建热电偶模拟测量数据集。在模拟测量数据集上对算法做验证。计算结果表明,该算法在不同噪声环境下均能有效地减少动态误差。搭建热电偶动态温度测量实验平台,以K型镍铬/镍硅热电偶为实验对象,取得实验测量数据集。实验和计算结果表明,经算法补偿后的热电偶动态响应得到改善,平均动态误差为0.0028,标准差为0.0102。 展开更多
关键词 动态温度测量 热电偶 动态误差补偿 自回归与长短期记忆网络混合模型
在线阅读 下载PDF
基于长短期记忆网络的扩展F事件短临预测 被引量:1
16
作者 孙树计 徐彤 +2 位作者 班盼盼 胡冉冉 陈春 《电波科学学报》 CSCD 北大核心 2023年第4期686-690,720,共6页
考虑到我国区域电离层扩展F发生的物理机制和相关因素以及观测数据的可获取性,利用适宜于时间序列预测的长短期记忆网络建立了我国不同区域电离层扩展F事件的预测模型,对未来3 h是否会发生扩展F事件进行预测.以处于我国典型纬度地区的... 考虑到我国区域电离层扩展F发生的物理机制和相关因素以及观测数据的可获取性,利用适宜于时间序列预测的长短期记忆网络建立了我国不同区域电离层扩展F事件的预测模型,对未来3 h是否会发生扩展F事件进行预测.以处于我国典型纬度地区的满洲里、北京、海口站为例,利用2015和2016年测试数据集对模型预测精度进行了检验,满洲里、北京、海口站平均准确率分别为92.4%、95.3%、96.0%,平均精确率分别为75.0%、61.2%、62.6%,平均召回率分别为73.0%、50.6%、31.5%.由此可见:在某些情况下,比如在低纬度地区的海口站,模型的召回率较低;除此之外,所建立的扩展F模型在多数情况下具有较高的预测能力. 展开更多
关键词 深度学习 扩展F 电离层 长短期记忆(lstm)网络 预测模型
在线阅读 下载PDF
基于Kriging和长短期记忆网络的风电功率预测方法 被引量:19
17
作者 李俊卿 李秋佳 《太阳能学报》 EI CAS CSCD 北大核心 2020年第11期241-247,共7页
为提高风电功率预测的精确度,提出一种基于Kriging和长短期记忆网络的风电功率组合预测模型。首先,将风速、风向、空气密度、转速、偏航角和桨距角作为输入向量,并利用偏互信息理论对这些向量进行加权处理,建立基于Kriging的风电功率线... 为提高风电功率预测的精确度,提出一种基于Kriging和长短期记忆网络的风电功率组合预测模型。首先,将风速、风向、空气密度、转速、偏航角和桨距角作为输入向量,并利用偏互信息理论对这些向量进行加权处理,建立基于Kriging的风电功率线性分量预测模型。然后,将预测出的线性分量加前述加权监测量作为输入,使用长短期记忆网络预测出功率的非线性分量。最后,将两者的预测结果相结合,得出风电功率的最终预测值。实例结果表明,该模型能够利用Kriging和长短期记忆网络的优势,预测性能指标得到提高。 展开更多
关键词 风电功率 预测分析 数据处理 长短期记忆 KRIGING模型 偏互信息
在线阅读 下载PDF
基于SSA_(n)-SSA_(l)-LSTM的短期空调负荷预测模型 被引量:2
18
作者 任中俊 杨心宇 +2 位作者 周国峰 易检长 何影 《暖通空调》 2024年第7期90-97,共8页
本文提出了一种奇异谱分析(SSA_(n))和麻雀搜索算法(SSA_(l))优化的长短期记忆网络(LSTM)的组合空调负荷预测模型。使用皮尔逊相关系数和主成分分析法对输入特征进行挑选和处理,以消除特征之间的冗余性和相关性。针对空调负荷的波动性... 本文提出了一种奇异谱分析(SSA_(n))和麻雀搜索算法(SSA_(l))优化的长短期记忆网络(LSTM)的组合空调负荷预测模型。使用皮尔逊相关系数和主成分分析法对输入特征进行挑选和处理,以消除特征之间的冗余性和相关性。针对空调负荷的波动性和随机性,采用SSA_(n)将空调负荷分解为多个分量。同时针对LSTM超参数设置的问题,采用SSA_(l)对模型进行优化,使用优化后的LSTM对各个分量进行预测,对预测结果进行重构。利用办公建筑和医疗建筑的空调负荷数据对模型进行了验证和分析。研究发现,与其他模型相比,SSA_(n)-SSA_(l)-LSTM模型表现最好,在预测办公建筑空调负荷时决定系数(R^(2))高达0.996 7,平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和均方根误差(RMSE)分别为0.62%、14.42 kW和18.82 kW,在预测医疗建筑空调负荷时R^(2)高达0.992 7,MAPE、MAE和RMSE分别为0.50%、19.40 kW和25.71 kW。 展开更多
关键词 空调负荷 预测模型 奇异谱分析(SSA_(n)) 麻雀搜索算法(SSA_(l)) 长短期记忆网络(lstm)
在线阅读 下载PDF
基于CNN框架的LSTM融合优化模型用于芒果干物质的近红外光谱分析
19
作者 林雪梅 蔡肯 +3 位作者 黄家立 蒙芳秀 林钦永 陈华舟 《分析测试学报》 北大核心 2025年第6期1176-1182,共7页
芒果中的干物质(DM)含量是评判芒果品质的重要指标之一。该文利用近红外光谱法(NIR)检验和预测芒果的干物质含量。主要基于卷积神经网络(CNN)框架,研究其结构参数网格数值化筛选方案,融入长短期记忆网络(LSTM)完成参数协同优化,构建CNN-... 芒果中的干物质(DM)含量是评判芒果品质的重要指标之一。该文利用近红外光谱法(NIR)检验和预测芒果的干物质含量。主要基于卷积神经网络(CNN)框架,研究其结构参数网格数值化筛选方案,融入长短期记忆网络(LSTM)完成参数协同优化,构建CNN-LSTM融合优化模型。实验过程中,通过构建浅层CNN建模框架,针对CNN-LSTM模型的核心参数进行局部规模的超参数联合调试。模型训练和模型测试结果显示,CNN模型和CNN-LSTM模型的最优化预测结果均明显优于常规的线性或非线性模型。该研究除了确定最优模型以外,还提供了更多可选的模型优化参数组合,有望在芒果的生产和培育过程中得到应用。浅层CNN框架融合LSTM优化模型及其参数网格数值化筛选方案能够为快速检测芒果果实中的干物质含量提供化学计量学技术支持。 展开更多
关键词 近红外(NIR) 芒果干物质 卷积神经网络(CNN) 长短期记忆网络(lstm) 参数优选 网格数值化
在线阅读 下载PDF
长短期记忆网络驱动的脉冲感应式推力器放电特征研究 被引量:1
20
作者 成玉国 夏广庆 鹿畅 《推进技术》 EI CAS CSCD 北大核心 2022年第12期431-440,共10页
为快速与可靠预测脉冲感应式推力器的放电特性,提出了一种改进的等离子体放电电路模型与长短期记忆网络结合(MPDCM-LSMT)的数值实验方法,建立了适用于该型推力器的等离子体放电幅值序列数据生成、训练和采样预测的融合模型。为生成高质... 为快速与可靠预测脉冲感应式推力器的放电特性,提出了一种改进的等离子体放电电路模型与长短期记忆网络结合(MPDCM-LSMT)的数值实验方法,建立了适用于该型推力器的等离子体放电幅值序列数据生成、训练和采样预测的融合模型。为生成高质量的序列,以等离子体电磁感应和流动方程为核心,发展了Ar,He和N_(2)的热力学计算方法,并根据不同的能量沉积和电导率模型,推导出三种电路模型。通过计算的冲量和放电曲线与实验对比分析,识别最优模拟推力器放电特性的数据模型。对电压和电流数据集训练并采样后发现,质量恒定的情况下,采用融合模型训练21组序列数据得到的LSMT网络,可实现主放电阶段趋势的预测。在文中研究的范围内,对高初始放电电压条件下主放电周期的预测发现,电压曲线与计算曲线吻合度高,电流曲线峰值误差小于3.8%,对应时间误差小于5.3%。结果表明,实现推力器放电预测所需的网络层数和单元数与样本量密切相关,层数影响放电变化趋势预测正确性,单元数则影响曲线的平滑程度。 展开更多
关键词 脉冲感应式推力器 放电电路模型 长短期记忆网络 放电序列数据 采样预测
在线阅读 下载PDF
上一页 1 2 16 下一页 到第
使用帮助 返回顶部