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2,277篇文章
< 1 2 … 114 >
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：
基于时间卷积和长短期记忆网络的短期云资源预测模型 被引量：2
1
作者 陈基漓 李海军 谢晓兰 《科学技术与工程》 北大核心 2025年第7期2856-2864,共9页
随着容器云技术的不断深入发展,通过预测分析云资源请求的整体趋势及高峰期,对于容器云资源的高效利用和合理分配具有重要意义。利用深度学习技术进行负载预测已经成为解决容器云资源利用率不平衡的关键技术。针对目前负载预测的单一模... 随着容器云技术的不断深入发展,通过预测分析云资源请求的整体趋势及高峰期,对于容器云资源的高效利用和合理分配具有重要意义。利用深度学习技术进行负载预测已经成为解决容器云资源利用率不平衡的关键技术。针对目前负载预测的单一模型和组合模型所存在的预测精度低以及捕获序列特征不充分问题,提出基于时间卷积和长短期记忆网络(temporal convolutional network-long short-term memory, TCN-LSTM)的短期云资源组合预测模型,组合模型中的空洞卷积在不减少特征尺寸的情况下增加感受野获取更长久的时间序列特征,其中残差网络可以跨层传递信息以加快网络的收敛,所获取的时间序列特征可有效提高LSTM的预测精度。利用阿里巴巴公开数据集的进行预测,实验表明所提出的模型与单一的预测模型以及其他组合模型进行对比分析,误差指标-平均绝对误差(mean absolute error, MAE)降低8%~13.7%,均方根误差(root mean squared error, RMSE)降低9.8%~13.1%,证明所提模型的有效性。 展开更多
关键词 容器云 云资源预测 时间卷积网络(TCN) 长短期记忆网络(LSTM)
在线阅读 下载PDF
一种基于长短期记忆网络的雷达目标跟踪算法
2
作者 张正文 向严谨 廖桂生 《现代雷达》 北大核心 2025年第2期83-90,共8页
在道路交通系统中,毫米波雷达以其分辨率高和抗干扰能力强的特点成为了热门的目标运动信息采集传感器。传统的目标跟踪算法在雷达观测信息丢失的情况下会出现跟踪误差较大或无法进行目标跟踪的现象。针对这一问题,文中提出了一种基于长... 在道路交通系统中,毫米波雷达以其分辨率高和抗干扰能力强的特点成为了热门的目标运动信息采集传感器。传统的目标跟踪算法在雷达观测信息丢失的情况下会出现跟踪误差较大或无法进行目标跟踪的现象。针对这一问题,文中提出了一种基于长短期记忆(LSTM)网络的雷达目标跟踪算法,在雷达观测值正常时,利用LSTM网络的记忆函数,对雷达的观测值进行训练并预测;当雷达观测值丢失时,利用LSTM网络为扩展卡尔曼算法提供观测值的预测值,以保证扩展卡尔曼算法能够继续对目标进行跟踪,达到降低目标跟踪误差的目的。文中通过雷达实测数据对LSTM网络进行训练,并针对直线和曲线两种运动状态进行了仿真验证分析,仿真结果表明,提出的目标跟踪算法在雷达的观测值丢失的情况下仍然可以对目标进行跟踪,并有效地降低了目标跟踪算法的误差。 展开更多
关键词 毫米波雷达 目标跟踪 长短期记忆网络 扩展卡尔曼滤波 非线性滤波
在线阅读 下载PDF
长短期记忆网络在隧道火灾实时致灾态势预测中应用研究
3
作者 贾进章 陈佳琦 陈怡诺 《安全与环境学报》 北大核心 2025年第4期1298-1309,共12页
针对隧道火灾过程中高温烟气对人员避灾的威胁,为实现隧道火灾有效控制,及时提供隧道火灾实时救援决策,提出了一种试验测量和人工智能相结合的方法,基于温度传感器和长短期记忆(Long Short-Term Memory,LSTM)网络对烟气温度进行实时预... 针对隧道火灾过程中高温烟气对人员避灾的威胁,为实现隧道火灾有效控制,及时提供隧道火灾实时救援决策,提出了一种试验测量和人工智能相结合的方法,基于温度传感器和长短期记忆(Long Short-Term Memory,LSTM)网络对烟气温度进行实时预测。首先,通过1∶20小面积火灾试验收集不同工况下的温度数据,然后,采用LSTM模型从试验火灾数据库中学习、训练,并进行不同火源类型测试,发现该算法模型可以很好地预测隧道内温度分布。对模型的预测能力进行测试,测试结果表明,预测结果精度高,相对误差在±10%内。与反向传播神经网络(Back Propagation Neural Network,BPNN)模型进行比较,测试误差均值降低3.85百分点,对比效果明显,满足隧道火灾实时态势检测需要,为隧道火灾事故的应急救援建立了较为新颖的智能预测方法。 展开更多
关键词 安全工程 隧道火灾 长短期记忆网络 烟气温度 实时预测
在线阅读 下载PDF
基于长短期记忆网络的区间不确定性动态载荷识别方法
4
作者 王磊 程辽辽 +2 位作者 胡举喜 顾凯旋 刘英良 《应用数学和力学》 北大核心 2025年第8期959-972,共14页
针对传统神经网络在处理时间依赖性动态过程和含噪数据时的不稳定性问题,提出了一种基于长短期记忆网络动态力重构方法.测量响应信号经噪声污染后,被归一化为输入变量;而归一化的动态载荷则作为输出变量.长短期记忆网络的实现方法被采用... 针对传统神经网络在处理时间依赖性动态过程和含噪数据时的不稳定性问题,提出了一种基于长短期记忆网络动态力重构方法.测量响应信号经噪声污染后,被归一化为输入变量;而归一化的动态载荷则作为输出变量.长短期记忆网络的实现方法被采用.为了提高网络的泛化能力,不同类型的动力响应和原始载荷被定义为每个时刻的样本结构.考虑区间不确定性,在传统配点法的基础上调整配点策略得到逐维法,在研究某一维度不确定性变量时固定其他维度,可以高精度地解决区间变量相互独立的不确定性载荷识别问题.最后,采用数值算例与传统神经网络(BP神经网络)对比,表征长短期记忆网络在含噪数据的处理上更为稳定,设计试验证实了对于时间依赖性的数据,该方法的有效性和可行性. 展开更多
关键词 长短期记忆网络 逐维法 载荷识别 区间不确定性
在线阅读 下载PDF
基于长短期记忆网络的动力电池组温度场时空建模 被引量：1
5
作者 韦鹏 舒小杨 +2 位作者 朱文超 杨扬 谢长君 《电工技术学报》 北大核心 2025年第13期4306-4315,共10页
动力电池组温度场用复杂的偏微分方程来描述,由于其中大量的参数未知,且很多模型参数表现出较强的时变性,传统基于物理建模方法在实现动力电池组温度场在线建模方面难度较大。基于深度学习的方法虽然不依赖物理模型,然而在训练过程中需... 动力电池组温度场用复杂的偏微分方程来描述,由于其中大量的参数未知,且很多模型参数表现出较强的时变性,传统基于物理建模方法在实现动力电池组温度场在线建模方面难度较大。基于深度学习的方法虽然不依赖物理模型,然而在训练过程中需要大量的实验数据,模型训练时间较长,温度场预测的实时性较差。针对以上问题,该文提出一种基于长短期记忆网络的动力电池组温度场时空建模。首先利用时空分离方法提取离线条件下的空间特征和时间特征。空间特征在增量学习的帮助下不断进行更新,长短期记忆(LSTM)网络用于时间动力学的建模。最后,将更新后的空间特征和时间模型进行整合,得到动力电池组温度场的预测模型。在一个由24节电池单体组成的动力电池包上对所提出的方法进行验证,结果表明,无论在正常条件下还是有气流干扰条件下,所提方法都能对动力电池包的温度场进行准确预测。在有气流干扰下,所提方法的单点温度预测误差小于0.07℃,在测试集上的方均根误差为0.0147℃. 展开更多
关键词 动力电池组 时空建模 长短期记忆网络 特征提取
在线阅读 下载PDF
基于长短期记忆网络模型的联邦学习居民负荷预测 被引量：2
6
作者 朱嵩阳 张歌 +1 位作者 贾愉靖 白晓清 《现代电力》 北大核心 2025年第1期129-136,共8页
居民生活用电量在全社会用电量中占比达到15%以上,且用户数量巨大、分布广。对居民负荷进行准确预测有助于需求侧资源整合,满足需求侧响应的要求。现有居民负荷预测方法多为集中式,在服务器和客户端之间需要进行大量数据交换,导致通信... 居民生活用电量在全社会用电量中占比达到15%以上,且用户数量巨大、分布广。对居民负荷进行准确预测有助于需求侧资源整合,满足需求侧响应的要求。现有居民负荷预测方法多为集中式,在服务器和客户端之间需要进行大量数据交换,导致通信成本增加,并引发信息安全问题。基于联邦学习框架,采用长短期记忆网络对居民负荷预测方法进行研究。利用真实居民负荷数据进行仿真计算分析,结果表明,基于联邦学习的居民负荷预测准确率和计算效率优于集中式。此外,将FedAvg、FedAdagrad、FedYogi三种联邦学习策略进行比较,采用具有自适应优化功能的FedAdagrad联邦学习策略对居民负荷预测的准确率更高,收敛性更强。 展开更多
关键词 居民用户 集中式 联邦学习 负荷预测 长短期记忆网络
在线阅读 下载PDF
多目标优化灰狼算法改进长短期记忆网络的睡眠分期研究
7
作者 高鹏强 丁顺良 +3 位作者 宛磊 李奎 吴广良 高建设 《重庆理工大学学报(自然科学)》 北大核心 2025年第5期98-106,共9页
由于现有睡眠分期方法下N1期分期精度较低,提出一种基于多目标优化灰狼算法改进的长短期记忆网络睡眠分期模型。该模型通过选用不同收敛因子,优化灰狼算法的适应度函数,自动调节LSTM网络隐藏层节点,选取差分算法对灰狼位置迭代进行优化... 由于现有睡眠分期方法下N1期分期精度较低,提出一种基于多目标优化灰狼算法改进的长短期记忆网络睡眠分期模型。该模型通过选用不同收敛因子,优化灰狼算法的适应度函数,自动调节LSTM网络隐藏层节点,选取差分算法对灰狼位置迭代进行优化,跳出局部最优解;选取现有原始ISRUC-Sleep数据集,求取多种时域,频域α、β、δ、θ波能量占比,以及非线性特征复合多尺度排列熵等指标,代入DE-GWO-LSTM模型中进行分期计算,结果表明模型准确率为88.6%,对于N1期的睡眠分期精度达70%以上,优于其他模型。 展开更多
关键词 睡眠分期 灰狼算法 长短期记忆网络 差分算法
在线阅读 下载PDF
基于改进长短期记忆网络模型的水库库区水温模拟 被引量：1
8
作者 郑铁刚 吴茂喜 +3 位作者 张迪 金瑾 林俊强 孙双科 《农业工程学报》 北大核心 2025年第3期144-153,共10页
水温是影响水库水生态系统的“主因子”,了解库区水温分布及预测未来的水温变化对保护水库生态具有重要的意义。针对水库水温结构复杂、实时预测困难的技术问题,该研究通过在传统的长短期记忆网络模型(long short-term memory,LSTM)中... 水温是影响水库水生态系统的“主因子”,了解库区水温分布及预测未来的水温变化对保护水库生态具有重要的意义。针对水库水温结构复杂、实时预测困难的技术问题,该研究通过在传统的长短期记忆网络模型(long short-term memory,LSTM)中嵌入相关分析模块自动筛选模型的特征输入,并优化输出维度,提出了一种改进的LSTM模型,并在溪洛渡水库工程开展了模型应用研究,结果表明:1)改进LSTM模型的均方根误差最大值为0.63,纳什效率系数最小值为0.96,表明模型整体性能较好,能够精准地捕捉数据中的长期依赖关系;2)基于改进LSTM模型的库区水温分布预测值和环境流体动力学模型(environmental fluid dynamics code,EFDC)模拟值随时间的量值分布及变化规律基本一致,两者的库区表层年际误差值为-1.19~1.04℃,中层年际误差值为-1.06~1.68℃,底层年际误差值为-1.28~1.07℃,年际水温最大相对误差为8.3%;3)相较于EFDC模型多天的模拟时长,改进模型的计算时间缩短至几百秒,计算效率大幅提升,实现了水温分布的快速、实时精准预测。该研究通过改进LSTM模型,实现了深水水库垂向水温的高效预测,研究结果可为分层取水设施的优化调控提供技术支撑。 展开更多
关键词 水温 模拟 改进的长短期网络记忆模型 水温分布 相关性分析 水温预测 人工智能学习
在线阅读 下载PDF
基于时间卷积网络和长短期记忆网络的混合模型海面温度预测研究
9
作者 赵煜 王律钧 +1 位作者 姚志刚 陈文凯 《中国海洋大学学报(自然科学版)》 北大核心 2025年第9期147-157,共11页
本研究提出了一种基于时间卷积网络(TCN)和长短期记忆网络(LSTM)的混合模型——TCN-LSTM,以提高海表温度(SST)的预测精度。通过在四个海洋站的敏感性实验,分析了超参数对模型稳定性的影响。通过控制迭代次数、TCN卷积核数量和LSTM神经... 本研究提出了一种基于时间卷积网络(TCN)和长短期记忆网络(LSTM)的混合模型——TCN-LSTM,以提高海表温度(SST)的预测精度。通过在四个海洋站的敏感性实验,分析了超参数对模型稳定性的影响。通过控制迭代次数、TCN卷积核数量和LSTM神经元数量等关键参数,并运用方差分析(ANOVA)方法,本文发现所有p值均大于0.05,这表明不同参数对平均绝对百分比误差(MAPE)的影响不显著,支持了模型的相对稳定性。TCN-LSTM模型结合了TCN在局部特征提取和LSTM在捕获长期依赖关系方面的优势,使其能够有效学习SST数据中的重要特征。在未来7 d的海面温度预测中,TCN-LSTM模型展现出优越的适应性和泛化能力,其相关评价指标表现优异。此外,通过比较不同超参数组合下的预测性能,验证了模型的一致性与可靠性。本研究为SST预测提供了一种新颖的方法论框架,尽管主要集中于单变量时间序列模型,但未来研究将考虑多变量模型和时空特征提取,以进一步提升整体预测精度。 展开更多
关键词 海温预测 深度学习模型 时间卷积网络 长短期记忆网络
在线阅读 下载PDF
混合变分模态长短期记忆网络水库表面位移形变预测
10
作者 孙喜文 贺小星 +3 位作者 鲁铁定 王海城 张云涛 陈红康 《国防科技大学学报》 北大核心 2025年第3期151-161,共11页
为提高水库位移形变预测精度,通过改变变分模态分解(variational mode decomposition,VMD)的分解方式,融合VMD与长短期记忆网络对非线性非平稳的水库位移形变进行预测,提出了一种混合变分模态长短期记忆网络(mix variational mode decom... 为提高水库位移形变预测精度,通过改变变分模态分解(variational mode decomposition,VMD)的分解方式,融合VMD与长短期记忆网络对非线性非平稳的水库位移形变进行预测,提出了一种混合变分模态长短期记忆网络(mix variational mode decomposition long short-term memory,MVMDLSTM)模型预测方法;对不同单一预测模型与组合模型采用多源数据集验证新方法的可靠性。实验结果表明:MVMDLSTM模型能有效减弱单一预测模型与经验模态分解组合模型估计的偏差,MVMDLSTM模型预测精度更优,为稳定监测水库慢滑移和蠕动等微小变形预测预警提供有效的数据决策。 展开更多
关键词 变分模态分解 人工神经网络 长短期记忆网络 形变预测
在线阅读 下载PDF
基于卷积双向长短期记忆网络的微网继电保护故障诊断技术 被引量：1
11
作者 杨志淳 闵怀东 +3 位作者 杨帆 雷杨 胡伟 陈鹤冲 《太阳能学报》 北大核心 2025年第1期420-428,共9页
分布式电源种类和容量不断提升的微网运行方式复杂、故障特征微弱,现有的继电保护装置故障诊断方法无法满足保护需求。提出一种基于卷积双向长短期记忆网络的微网继电保护故障诊断技术。首先,分析多能源互补微网系统架构,对采集的三相... 分布式电源种类和容量不断提升的微网运行方式复杂、故障特征微弱,现有的继电保护装置故障诊断方法无法满足保护需求。提出一种基于卷积双向长短期记忆网络的微网继电保护故障诊断技术。首先,分析多能源互补微网系统架构,对采集的三相电流数据进行预处理,提高后续模型对数据的学习效率;然后,融合卷积神经网络和双向长短期记忆网络提出卷积双向长短期记忆网络的微网继电保护故障诊断方法,提取三相电流数据长序列和局部序列特征实现故障分类、故障定位,融合注意力机制,重点关注对故障诊断有影响的特征,提高故障诊断准确率;最后经过RTDS实时仿真系统进行验证,实验结果表明,所提方法故障诊断精度高、计算时间短,同卷积神经网络、长短期记忆网络、人工神经网络相比,故障分类准确率分别提升8.53%、9.62%、11.45%,故障定位准确率分别提升7.47%、10.61%、10.85%,验证所提方法的有效性与先进性。 展开更多
关键词 微网 继电保护 故障诊断 卷积双向长短期记忆网络 三相电流 注意力机制
在线阅读 下载PDF
基于双向长短期记忆网络的润滑油运动黏度预测
12
作者 孙傲童 彭登明 +3 位作者 王海飞 张兆营 马春 沈义涛 《润滑与密封》 北大核心 2025年第10期158-164,共7页
在复杂的工业环境中,对润滑油黏度进行实时、精准的预测对于保障机械设备安全稳定运行至关重要,但现有预测方法多未能充分挖掘多维传感器数据间复杂的时序依赖与特征关联。为解决润滑油数据相关特征的分析和预测问题,提出一种融合双向... 在复杂的工业环境中,对润滑油黏度进行实时、精准的预测对于保障机械设备安全稳定运行至关重要,但现有预测方法多未能充分挖掘多维传感器数据间复杂的时序依赖与特征关联。为解决润滑油数据相关特征的分析和预测问题,提出一种融合双向长短期记忆网络(Bi-LSTM)与注意力机制的深度学习模型。以某46号汽轮机油的运动黏度、水含量、温度、密度等多维实时监测数据为基础,构建特征处理与时间序列预测两大核心模块。其中,特征处理模块利用自注意力机制捕捉各油品指标间的内在关联,并结合多层感知机(MLP)提取深层非线性特征;时间序列预测模块则通过双路并行的Bi-LSTM结构,分别处理原始数据与深度特征,以捕捉全面的长期依赖关系,再经由注意力机制对不同时间步的贡献进行权重调整,最终实现对未来黏度变化的精确预测。相比标准的Bi-LSTM、LSTM及BP神经网络模型,所提出的模型的均方根误差(RMSE)分别降低了20.5%、29.1%和30.5%,平均绝对误差(MAE)也明显低于其他模型。在模拟传感器故障(特征屏蔽)和数据噪声干扰的鲁棒性测试中,所提出的模型仍能保持较高的预测准确性。 展开更多
关键词 润滑油 运动黏度 长短期记忆网络 自注意力机制 预测
在线阅读 下载PDF
基于数据更新长短期记忆网络的多能源微网集群优化调度方法
13
作者 邱实 张琨 +1 位作者 程嵩晴 陈哲 《太阳能学报》 北大核心 2025年第4期193-199,共7页
为实现多能源微网集群海量存储数据的准确分析和利用,提出一种利用数据更新长短期记忆网络的多能源微网集群优化调度方法。首先,研究多能源微网间的能量交互机理,建立多能源微网集群能量交互模型。然后,基于多能源微网间的能量传输,综... 为实现多能源微网集群海量存储数据的准确分析和利用,提出一种利用数据更新长短期记忆网络的多能源微网集群优化调度方法。首先,研究多能源微网间的能量交互机理,建立多能源微网集群能量交互模型。然后,基于多能源微网间的能量传输,综合考虑负荷需求和新能源出力历史数据对多能源微网集群调度决策的影响,建立基于长短期记忆网络的多能源微网集群优化调度模型。最后,对提出的多能源微网集群优化调度方法进行算例验证,并与传统微网调度方法进行对比,结果表明提出的调度方法可有效提升多能源微网集群调度的经济性和精准性。 展开更多
关键词 多能源微网 新能源电源 长短期记忆网络 微网集群 神经网络 电网调度
在线阅读 下载PDF
基于长短期记忆网络的换流站设备地震损伤识别方法
14
作者 李强 宋云海 +1 位作者 杨洋 张世洪 《高压电器》 北大核心 2025年第4期21-29,共9页
为了提高特高压换流站设备在地震中的损伤识别精度和实时性,文中提出了一种基于长短期记忆网络(LSTM)结合小波散射特征提取的设备损伤识别方法。通过有限元仿真模拟换流站设备在地震中的加速度响应,生成包含不同损伤工况的时程数据。采... 为了提高特高压换流站设备在地震中的损伤识别精度和实时性,文中提出了一种基于长短期记忆网络(LSTM)结合小波散射特征提取的设备损伤识别方法。通过有限元仿真模拟换流站设备在地震中的加速度响应,生成包含不同损伤工况的时程数据。采用小波散射技术对加速度信号进行特征提取,以减少信号噪声并保留损伤特征,再将提取后的特征输入LSTM模型进行损伤识别。结果表明,基于小波散射特征的LSTM网络相比直接使用原始加速度数据,显著提升了识别速度与精度,模型的最终识别准确率达到95%。该方法有效提高了换流站设备地震损伤识别的准确性和效率,为换流站等电力基础设施的健康监测和灾后评估提供了可靠的技术支持,并具有广泛的工程应用潜力。 展开更多
关键词 特高压换流站设备 地震损伤识别 长短期记忆网络 小波散射 深度学习
在线阅读 下载PDF
基于改进长短期记忆网络的湖南网格气温预报模型
15
作者 卢姝 陈鹤 +2 位作者 陈静静 赵琳娜 郭田韵 《气象》 北大核心 2025年第4期431-445,共15页
基于欧洲中期天气预报中心高分辨率模式预报产品以及中国气象局陆面数据同化系统逐1 h气温实况,构建了一种改进的长短期记忆网络ED-LSTM-FCNN模型,模型中加入嵌入层模块以处理高维空间、时间特征,并通过全连接神经网络融合不同类型特征... 基于欧洲中期天气预报中心高分辨率模式预报产品以及中国气象局陆面数据同化系统逐1 h气温实况,构建了一种改进的长短期记忆网络ED-LSTM-FCNN模型,模型中加入嵌入层模块以处理高维空间、时间特征,并通过全连接神经网络融合不同类型特征实现气温的回归预测,生成0.05°×0.05°格点逐1 h气温预报产品。针对湖南省2022年预报检验表明:ED-LSTM-FCNN模型能显著降低数值模式的预报误差,提高预报稳定性,1~24 h时效预报均方根误差较模式预报与中央气象台指导预报分别降低了25.4%~37.7%和15.8%~40.0%;模型明显改善了数值模式在空间上(尤其是复杂地形)的预报效果,大部分地区气温均方根误差介于1.2~1.6℃;该模型在不同季节2℃误差以内的预报准确率达83.0%以上,明显高于模式预报与中央气象台指导预报,在平稳性极端高温天气中的优势更加明显,可有效应用于智能网格预报业务中。 展开更多
关键词 网格预报 长短期记忆网络 气温预报 深度学习
在线阅读 下载PDF
基于长短期记忆网络与贝叶斯优化的页岩气井产量动态预测方法
16
作者 张子彤 师晨一 +1 位作者 付应坤 王丹群 《科学技术与工程》 北大核心 2025年第27期11569-11580,共12页
生产动态预测对于页岩气资源开发制定有效的气井管理策略、优化生产以及最大化经济回报具有重要作用,传统的递减分析及产能模型在页岩气产能预测方面具有一定局限性,以8口北美页岩气水平井为研究对象,将页岩气井的生产数据处理成时间序... 生产动态预测对于页岩气资源开发制定有效的气井管理策略、优化生产以及最大化经济回报具有重要作用,传统的递减分析及产能模型在页岩气产能预测方面具有一定局限性,以8口北美页岩气水平井为研究对象,将页岩气井的生产数据处理成时间序列,采用长短期记忆网络(long short-term memory,LSTM)的机器学习和贝叶斯优化方法,较为准确地实现了页岩气井返排动态预测,并筛选出了产量预测的关键参数。研究结果表明:井底流压和日产水量是LSTM模型预测页岩气产量的关键输入参数;随着预测天数的增加,LSTM模型的准确性有所下降;研究结果可为时间序列分析方法在页岩气井动态预测方面的应用提供重要参考。 展开更多
关键词 长短期记忆网络 机器学习 生产动态预测 时间序列
在线阅读 下载PDF
用户响应机制下基于长短期记忆网络的负荷聚合商用电模型
17
作者 朱虹 孟祥娟 +4 位作者 孙健 傅鹏 吴寅涛 唐昊 方道宏 《现代电力》 北大核心 2025年第3期550-561,共12页
负荷聚合商(load aggregator,LA)建立自身用电模型,能有效掌握自身响应电网的能力。鉴于LA内部用户众多,且用户响应具有随机性,难以建立整体的用电模型。因此,针对包含多类用户的LA,该文提出一种基于长短期记忆网络(long short-term mem... 负荷聚合商(load aggregator,LA)建立自身用电模型,能有效掌握自身响应电网的能力。鉴于LA内部用户众多,且用户响应具有随机性,难以建立整体的用电模型。因此,针对包含多类用户的LA,该文提出一种基于长短期记忆网络(long short-term memory,LSTM)的LA用电模型搭建方法。首先,根据LA内部用户的响应特性,将用户按其激励方式分类,并将日前温度、光照强度、各用户的激励价格和用户的负荷基线等用户特征数据进行聚合,生成训练样本。然后,根据聚合后的训练样本对LSTM进行训练,建立LA特征数据与其用电曲线的映射关系。最后,以包含居民、商业楼宇、充电站、医院四类用户的LA为算例进行验证。结果表明,模型能有效表征LA实施用户需求响应(user demand response,UDR)后的用电行为。 展开更多
关键词 负荷聚合商 用户需求响应 长短期记忆网络 用电模型
在线阅读 下载PDF
基于长短期记忆网络的仿生锤头压力曲线优化
18
作者 徐永森 徐雪萌 +3 位作者 刘权 李颍鹏 吴人鸿 张汉山 《包装与食品机械》 北大核心 2025年第3期96-104,共9页
针对传统压曲机在表面提浆效果和含水率均匀性上不及人工踩曲的问题,提出一种基于长短期记忆(LSTM)网络的仿生压力曲线优化方法。通过柔性足底压力传感器采集人工踩曲动态力学数据,利用LSTM模型进行时序预测,标准化处理生成优化曲线,并... 针对传统压曲机在表面提浆效果和含水率均匀性上不及人工踩曲的问题,提出一种基于长短期记忆(LSTM)网络的仿生压力曲线优化方法。通过柔性足底压力传感器采集人工踩曲动态力学数据,利用LSTM模型进行时序预测,标准化处理生成优化曲线,并应用于多工位仿生锤头。试验结果表明,施加优化圧力曲线后,曲块含水率均匀因子从5.91提升至6.35,提浆面积比从76.85%提升至82.36%,曲块含水率与提浆效果均显著提升。研究结果为机械制曲智能化提供数据驱动的标准化解决方案。 展开更多
关键词 长短期记忆网络 仿生压曲 压力曲线优化
在线阅读 下载PDF
基于变分模态分解和粒子群优化长短期记忆网络的黄土地区高填方路基沉降预测
19
作者 柴少波 岳山丘 +2 位作者 王铭一 吕龙龙 范康凯 《太原理工大学学报》 北大核心 2025年第5期907-915,共9页
【目的】为实现黄土地区高填方路基沉降趋势的准确预测。【方法】通过建立基于变分模态分解(VMD)和粒子群算法(PSO)优化的长短期记忆网络(LSTM)预测模型VMD-PSO-LSTM,学习高填方路基沉降数据的高层次特征并预测其发展变化趋势。通过工... 【目的】为实现黄土地区高填方路基沉降趋势的准确预测。【方法】通过建立基于变分模态分解(VMD)和粒子群算法(PSO)优化的长短期记忆网络(LSTM)预测模型VMD-PSO-LSTM,学习高填方路基沉降数据的高层次特征并预测其发展变化趋势。通过工程实例,对所建立的预测模型进行验证。【结果】结果表明:VMD-PSO-LSTM模型对高填方路基沉降曲线的预测效果良好,且精度均比反向传播神经网络模型(BP)、LSTM模型与只用PSO优化的LSTM模型(PSO-LSTM)有了进一步的提高,具有更高的鲁棒性和适用性。 展开更多
关键词 黄土 高填方路基 沉降预测 变分模态分解 长短期记忆网络
在线阅读 下载PDF
引入精英主义的遗传算法优化长短期记忆网络民航风切变风险预测模型
20
作者 王占海 吴涛 +1 位作者 陈奇 曹大树 《科学技术与工程》 北大核心 2025年第25期10948-10955,共8页
长短期记忆网络(long short-term memory,LSTM)模型在开展民航风切变风险预测应用时,存在性能受超参数配置影响大、调优过程复杂耗时等问题。为提高民航风切变风险预测模型的预测性能,提升其适用性和预测精度,提出一种引入精英主义的遗... 长短期记忆网络(long short-term memory,LSTM)模型在开展民航风切变风险预测应用时,存在性能受超参数配置影响大、调优过程复杂耗时等问题。为提高民航风切变风险预测模型的预测性能,提升其适用性和预测精度,提出一种引入精英主义的遗传算法(elite genetic algorithm,eGA)优化LSTM民航风切变风险预测模型,即eGA-LSTM。首先,利用LSTM的长期记忆能力捕捉风切变的时序特征;其次,通过引入精英主义的遗传算法来优化LSTM模型的超参数,确保优秀特性能够被保留并有效传承,从而避免传统遗传算法在迭代过程中可能出现的优秀个体丢失问题,加速超参数优化流程,提升LSTM泛化能力;再次,统计民航历史风切变不安全事件信息,计算其64个月月风切变风险值,划分训练集和测试集开展模型验证工作,并与单纯的LSTM模型作对比。结果表明,在风切变风险预测中,eGA-LSTM模型均方误差(mean square error,MSE)相较于单纯的LSTM模型降低了15.49%,精度上有显著的提升,模型较好地拟合了月风切变风险的历史序列,在风切变风险预测预警方面展现出更高的准确率和可靠性。 展开更多
关键词 精英主义优化 长短期记忆网络 遗传算法 民航风切变风险 风险预测
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 … 114 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