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

1

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 职称材料

基于长短期记忆神经网络的罗非鱼生长预测模型

2

作者 安丰和 袁永明 +1 位作者 马晓飞 沈楠楠 《南方农业学报》 CAS CSCD 北大核心 2018年第10期2110-2116,共7页

【目的】通过测定吉富罗非鱼生长指标,建立其生长的长短期记忆神经网络(Long Short-term Memory neural network model,LSTM)模型,分析模型的拟合度和准确度,为罗非鱼的育种和养殖提供参考。【方法】以罗非鱼生长阶段的生长时间、投喂... 【目的】通过测定吉富罗非鱼生长指标,建立其生长的长短期记忆神经网络(Long Short-term Memory neural network model,LSTM)模型,分析模型的拟合度和准确度,为罗非鱼的育种和养殖提供参考。【方法】以罗非鱼生长阶段的生长时间、投喂量及水槽编号3个指标数据作为输入量,通过Dropout和one-hot的方法建立LSTM模型。【结果】模型在训练开始后迅速下降,100次迭代左右,误差下降速度开始逐步减缓,在1000次迭代后,误差开始收敛,数值趋于稳定,稳定值误差在0.0036左右。训练完成的模型对测试集的预测结果相对误差随真实值变大而逐渐变小,真实值较大且稳定时,相对误差较小,整体拟合程度较好。【建议】生长预测模型满足基本生产需求的同时,需增加样本数据的记录采集,建立生长数据库;结合信息平台等技术获取多影响影子数据,增加输入变量,使模型更加完善合理;选择合适的模型,结合预测数据与生产,合理规划上市时间及安排投饲方案等,使养殖利益最大化。 展开更多

关键词 罗非鱼 长短期记忆神经网络模型 生长模型 预测

在线阅读 下载PDF 职称材料

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：3

3

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 职称材料

基于卷积神经网络与长短期记忆神经网络的弹丸轨迹预测 被引量：11

4

作者 郑志伟 管雪元 +2 位作者 傅健 马训穷 尹上 《兵工学报》 EI CAS CSCD 北大核心 2023年第10期2975-2983,共9页

针对弹丸非线性轨迹预测问题,提出一种基于卷积神经网络(CNN)与长短期记忆(LSTM)神经网络的混合轨迹预测模型。通过建立6自由度弹丸运动模型,并使用4阶龙格库塔法外弹道仿真,得到大量轨迹数据样本;提出CNN-LSTM神经网络的混合轨迹预测模... 针对弹丸非线性轨迹预测问题,提出一种基于卷积神经网络(CNN)与长短期记忆(LSTM)神经网络的混合轨迹预测模型。通过建立6自由度弹丸运动模型,并使用4阶龙格库塔法外弹道仿真,得到大量轨迹数据样本;提出CNN-LSTM神经网络的混合轨迹预测模型,并利用滑动窗口法和差分法构造输入输出的轨迹数据对,将预测问题转化为有监督的学习问题;将所提模型与LSTM神经网络模型、门控循环单元(GRU)神经网络模型和反向传播(BP)神经网络模型在同一数据集下进行仿真实验。研究结果表明,CNN-LSTM神经网络模型预测3 s后的平均累积预测误差在x轴方向约为14.83 m,y轴方向约为20.77 m,z轴方向约为0.75 m,且轨迹预测精度优于单一模型,为弹丸轨迹预测研究提供了一定的参考。 展开更多

关键词 弹道模型 深度学习 监督学习 卷积神经网络与长短期记忆神经网络模型 轨迹预测

在线阅读 下载PDF 职称材料

基于ALIF-VMD二次分解的NGO-CNN-LSTM电力负荷短期组合预测模型 被引量：1

5

作者 张琳 高胜强 +2 位作者 宋煜 卜帅羽 余伟 《科学技术与工程》 北大核心 2025年第11期4583-4597,共15页

针对电力负荷预测过程中普遍存在的负荷波动变化趋势明显、随机性强,以及预测模型的参数取值不合理导致的精度偏低问题,提出了一种基于ALIF-VMD(adaptive local iterative filtering-variational mode decomposition)二次分解和北方苍... 针对电力负荷预测过程中普遍存在的负荷波动变化趋势明显、随机性强,以及预测模型的参数取值不合理导致的精度偏低问题,提出了一种基于ALIF-VMD(adaptive local iterative filtering-variational mode decomposition)二次分解和北方苍鹰优化算法(northern goshawk optimization, NGO)优化CNN-LSTM(convolutional neural networks-long short-term memory)的电力负荷组合预测模型,在使用交叉映射收敛方法(convergent cross-mapping, CCM)准确识别电力负荷的关键影响因素的基础上,创新性地联合使用ALIF、基于NGO的VMD和模糊熵(fuzzy entropy, FE)对原始负荷序列进行组合分解和必要的重组;针对分解和重组后生成的模态分量,结合NGO确定的CNN-LSTM模型最优超参数组合,建立预测精度高、训练时间短、收敛速度快的NGO-CNN-LSTM日前电力负荷组合预测模型。与其他基准模型的对比结果表明,该模型具有更好的适应性和预测精度,可为电力系统的安全、可靠、经济运行提供重要的技术支撑。 展开更多

关键词 负荷预测 序列分解与重组 北方苍鹰算法 卷积神经网络-长短期记忆神经网络模型

在线阅读 下载PDF 职称材料

基于长短期记忆的机器人健康监测系统 被引量：2

6

作者 兑幸福 李鑫群 +1 位作者 楼阳冰 董云成 《计算机应用》 CSCD 北大核心 2021年第S01期293-297,共5页

针对工业机器人运行过程中存在着的非计划停机、维修反应慢等问题,构建了基于深度学习框架长短期记忆(LSTM)网络模型的机器人健康状态监测系统。首先,通过方差分析(ANOVA)确定了反映机器人状态变化的传感器信号;其次,通过主成分分析(PCA... 针对工业机器人运行过程中存在着的非计划停机、维修反应慢等问题,构建了基于深度学习框架长短期记忆(LSTM)网络模型的机器人健康状态监测系统。首先,通过方差分析(ANOVA)确定了反映机器人状态变化的传感器信号;其次,通过主成分分析(PCA)融合多维传感器数据,并与机器人健康运行模式库中的特征数据分布进行相似度计算,获得能够表征机器人运行状态的健康指数;最后,根据LSTM网络的输入和输出节点,自适应确定网络隐藏层结构,最终实现机器人运行状态的健康度预测。理论分析和实际效果表明,基于LSTM模型预测的机器人健康状态的均方根误差为0.92%,说明该系统能够有效对机器人健康状态进行监测,并能对机器人运行状态趋势进行一定的预判,有助于企业在生产过程中对机器人进行维护。 展开更多

关键词 工业机器人 状态监测 数据驱动 长短期记忆网络模型 健康指数

在线阅读 下载PDF 职称材料

基于PSO-LSTM-SATN模型的污水水质预测研究 被引量：1

7

作者 杨潞霞 王智瑜 +2 位作者 沈帅杰 马永杰 付一政 《工业水处理》 北大核心 2025年第6期159-166,共8页

为解决工业废水处理领域进水水质波动性大、随机性强、不具有周期性导致无法精准预测其水质的问题,提出粒子群优化算法(Particle Swarm Optimization,PSO)-长短期记忆网络模型(Long Short-Term Memory,LSTM)-自注意力机制(Self-Attentio... 为解决工业废水处理领域进水水质波动性大、随机性强、不具有周期性导致无法精准预测其水质的问题,提出粒子群优化算法(Particle Swarm Optimization,PSO)-长短期记忆网络模型(Long Short-Term Memory,LSTM)-自注意力机制(Self-Attention,SATN)污水水质预测模型。以山西省某煤炭水处理工厂7357组历史污水水质数据为基础,首先采用LSTM捕获进水水质中COD数据的长期依赖关系,然后采用SATN解决水质信息分布不均匀的问题,最后结合PSO对LSTM-SATN模型进行优化,帮助网络自动获取最佳参数和模型配置。评价结果显示,模型均方误差(Mean Square Error,MSE)、平均绝对误差(Mean Absolute Error,MAE)和平均绝对百分比误差(Mean Absolute Per⁃centage Error,MAPE)分别为0.5284(mg/L)2、0.2369 mg/L和4.1277%,与LSTM、门控循环单元结构(Gated Recur⁃rent Unit,GRU)、双向长短期记忆网络(Bidirectional Long Short-Term Memory,BiLSTM)相比,MSE、MAE、MAPE均有大幅降低,即该PSO-LSTM-SATN模型能够更准确地预测进水水质,为工厂日常运营管理方案提供合理的指导意见。 展开更多

关键词 污水水质预测 长短期记忆网络模型 粒子群优化算法 自注意力机制

在线阅读 下载PDF 职称材料

顾及时差特征的LSTM模型余水位短期预报

8

作者 冷建徽 许军 《海洋测绘》 CSCD 北大核心 2024年第2期27-30,共4页

目前余水位预报都是采用单站方式,仅基于余水位的自相关性。针对较大范围的沿岸验潮站余水位预报,进一步结合余水位的空间强相关性和站间余水位的时差信息,以“预测站-辅助站”验潮站组的形式,由历史同步余水位数据训练多变量LSTM(long ... 目前余水位预报都是采用单站方式,仅基于余水位的自相关性。针对较大范围的沿岸验潮站余水位预报,进一步结合余水位的空间强相关性和站间余水位的时差信息,以“预测站-辅助站”验潮站组的形式,由历史同步余水位数据训练多变量LSTM(long short-term memory)长短期记忆网络模型,实现预测站的余水位预报。渤海沿岸四个长期验潮站的实例分析表明:所提的预报方法因增加利用了时域上的时差信息,预报精度优于三类单站方法,并显著增大了预报时长。方法可用于解决大范围航海动态水位保障中的余水位预报问题。 展开更多

关键词 海洋潮汐 动态水位 余水位预报 长短期记忆网络模型 潮时差

在线阅读 下载PDF 职称材料

新安江岩溶模型与LSTM模型在洪水模拟中的应用比较

9

作者 陶驷骥 李彬权 +3 位作者 陈云瑶 夏奕洁 赵建飞 李匡 《水电能源科学》 北大核心 2025年第10期6-9,55,共5页

岩溶地区因其复杂的产汇流机制,洪水预报精度普遍不高。以具有典型岩溶地貌特征的贵州省六硐河流域为例,分别构建基于机理分析的新安江岩溶模型和基于深度学习的长短期记忆网络(LSTM)模型,对比两类模型在岩溶地区洪水过程模拟中的适应... 岩溶地区因其复杂的产汇流机制,洪水预报精度普遍不高。以具有典型岩溶地貌特征的贵州省六硐河流域为例,分别构建基于机理分析的新安江岩溶模型和基于深度学习的长短期记忆网络(LSTM)模型,对比两类模型在岩溶地区洪水过程模拟中的适应性。结果表明,新安江岩溶模型在率定期(验证期)的平均纳什效率系数为0.66(0.70),洪峰合格率为61.3%(62.5%),峰现时间合格率为80.6%(75%);预见期4 h内LSTM模型在率定期(验证期)的平均纳什效率系数在0.89(0.89)以上,洪峰合格率在93.5%(75%)以上,峰现时间合格率在61.3%(50%)以上。总体上,机理分析和深度学习模型均能较好地模拟岩溶地区洪水的涨落过程,但预见期3 h内的LSTM模型精度要高于新安江岩溶模型。研究结果可为产汇流机制较为复杂的岩溶地区的洪水过程模拟提供新途径。 展开更多

关键词 新安江岩溶模型 长短期记忆网络模型 岩溶地区 洪水模拟 六硐河流域

在线阅读 下载PDF 职称材料

不同输入设置对LSTM洪水预报模型应用效果的影响

10

作者 覃睿 张小琴 《湖泊科学》 北大核心 2025年第4期1470-1480,I0044,共12页

长短期记忆网络(LSTM)模型要求输入资料时序连续,选择合适的输入因子及其输入方式对于提高LSTM在洪水预报中的应用效果具有重要意义。本文针对洪水场次时序上不连续的特点,构建了洪水场次拼接的固定时间步长的输入方式1、洪水场次分开... 长短期记忆网络(LSTM)模型要求输入资料时序连续,选择合适的输入因子及其输入方式对于提高LSTM在洪水预报中的应用效果具有重要意义。本文针对洪水场次时序上不连续的特点,构建了洪水场次拼接的固定时间步长的输入方式1、洪水场次分开考虑的动态时间步长的输入方式2、洪水场次分开考虑的结合固定时间步长和动态时间步长的输入方式3,分别以降雨、径流、降雨和径流为输入因子结合3种输入方式设置了7种输入方案,比较了不同输入方案下LSTM模型在福建建阳流域的应用效果。结果表明:(1)选取降雨及径流作为输入因子的LSTM模型(方案3、6和7)洪水计算结果优于仅以降雨(方案2和5)或仅以径流(方案1和4)作为输入因子的设置。(2)当预见期为1~2 h时,方案3、6、7的预测结果无显著差距;预见期为3~5 h时,结合固定步长和动态步长设置的方案7洪水预报结果最优。(3)对方案7分别采用预见期1~3 h的多个模型和1 h的单个模型进行滚动预报,多模型的方式在3 h预见期内对洪峰的预测精度更高。研究成果可为LSTM洪水预报模型的输入因子选择和时间步长设置提供参考,结合固定步长和动态步长的设置可提高较长预见期下的洪水预报精度。 展开更多

关键词 长短期记忆网络模型 洪水预报 资料拼接 步长设置 建阳流域

在线阅读 下载PDF 职称材料

基于KOA-BiLSTM的矿井淋水井筒风温预测模型及可解释性分析

11

作者 秦跃平 唐飞 +3 位作者 王海蓉 王鹏 郭铭彦 王世斌 《中国安全科学学报》 北大核心 2025年第7期40-47,共8页

为提高矿井淋水井筒风温预测的准确性、稳定性及模型的可解释性,首先,通过皮尔逊相关性系数分析特征变量;其次,采用开普勒优化算法(KOA)优化双向长短期记忆网络(BiLSTM)模型,建立基于KOA-BiLSTM的矿井淋水井筒风温预测模型;然后,在相同... 为提高矿井淋水井筒风温预测的准确性、稳定性及模型的可解释性,首先,通过皮尔逊相关性系数分析特征变量;其次,采用开普勒优化算法(KOA)优化双向长短期记忆网络(BiLSTM)模型,建立基于KOA-BiLSTM的矿井淋水井筒风温预测模型;然后,在相同样本条件下,与反向传播(BP)、随机森林(RF)、最小二乘增强(LSBoost)和支持向量机(SVM)算法进行综合对比;最后,利用沙普利可加性特征解释算法(SHAP)进行可解释性分析及实例验证。研究结果表明:KOA-BiLSTM模型的绝对误差范围为-1.24~0.5℃,比优化前模型的预测精度提高3.98%;与另外4个模型相比,该模型的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方误差(MSE)等均为最佳,表明该模型具有最优的预测效果和泛化能力;SHAP分析表明:井口风流温度对预测结果影响最大,而地面压力影响最小;KOA-BiLSTM模型实例验证的绝对误差范围为-0.49~0.38℃,预测精度可满足实际工作需要。 展开更多

关键词 开普勒优化算法(KOA)-双向长短期记忆网络(BiLSTM)模型 淋水井筒 风温预测模型 可解释性分析 皮尔逊相关性

在线阅读 下载PDF 职称材料

基于CNN-LSTM混合神经网络模型的短期负荷预测方法 被引量：398

12

作者 陆继翔 张琪培 +3 位作者 杨志宏 涂孟夫 陆进军 彭晖 《电力系统自动化》 EI CSCD 北大核心 2019年第8期131-137,共7页

为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以... 为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测精度。 展开更多

关键词 短期负荷预测 卷积神经网络 长短期记忆网络 卷积神经网络—长短期记忆网络混合模型

在线阅读 下载PDF 职称材料

InSAR监测数据的地表沉陷深度学习预测模型研究

13

作者 李刚 支梦辉 +3 位作者 李斌 杨帆 彭志伟 李东亮 《中国安全科学学报》 北大核心 2025年第S1期107-113,共7页

为研究地下采矿引发的地面沉降预测问题,以山西省晋城市阳城县为背景开展地表沉降监测与预测方法研究。首先,获取2018年1月至2020年12月期间的Sentinel-1 SAR影像(81景),结合数字高程模型(DEM)、大气校正在线服务(GACOS)及精密轨道数据... 为研究地下采矿引发的地面沉降预测问题,以山西省晋城市阳城县为背景开展地表沉降监测与预测方法研究。首先,获取2018年1月至2020年12月期间的Sentinel-1 SAR影像(81景),结合数字高程模型(DEM)、大气校正在线服务(GACOS)及精密轨道数据,采用小基线集干涉合成孔径雷达(SBAS-InSAR)技术精细化监测区域地表形变情况,揭示其时序演化与空间分布特征(最大沉降速率达27.84 mm/a);然后,构建基于变分模态分解(VMD)与反向传播(BP)神经网络相结合的混合预测模型(VMD-BP);最后,将该模型预测性能与传统长短期记忆网络(LSTM)模型及变分模态分解与长短期记忆网络(VMD-LSTM)模型进行对比分析。结果表明:VMD-BP模型显著提升了预测精度,在测试点位(点位a)的均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别低至0.27801 mm、0.23429 mm和0.39%,远优于LSTM及VMD-LSTM模型。 展开更多

关键词 地面沉降 形变预测 小基线集干涉合成孔径雷达(SBAS-InSAR)技术 长短期记忆网络(LSTM)模型 变分模态分解-长短期记忆网络(VMD-BP)模型

在线阅读 下载PDF 职称材料

基于时空信息融合的高速公路区域货运量预测模型

14

作者 赵利英 王占中 《浙江大学学报(工学版)》 北大核心 2025年第10期2096-2105,共10页

高速公路区域间货运量数据相互影响,传统长短期记忆网络(LSTM)模型无法同时处理时空问题,为此设计基于时空信息融合的改进LSTM模型(TS-LSTM),提出按照时空信息的重要性对数据集进行重构的方法.为了验证模型有效性,以某地区连续12个月的... 高速公路区域间货运量数据相互影响,传统长短期记忆网络(LSTM)模型无法同时处理时空问题,为此设计基于时空信息融合的改进LSTM模型(TS-LSTM),提出按照时空信息的重要性对数据集进行重构的方法.为了验证模型有效性,以某地区连续12个月的高速公路收费系统数据(共25563256条)为原始数据集,将TS-LSTM与基于时间的LSTM模型(T-LSTM)、基于空间的LSTM模型(S-LSTM),全连接神经网络、单向LSTM、双向LSTM和Transformer进行对比分析.结果表明,不同区域使用TS-LSTM效果不同,相比其他机器学习模型,TS-LSTM的平均绝对值误差降低范围在40%~85%;TS-LSTM的平均绝对值误差相比Transformer低10%,平均绝对百分比误差低21个百分点;TS-LSTM的预测效果均优于对比模型. 展开更多

关键词 高速公路运输 区域货运量预测 时空信息融合 长短期记忆网络(LSTM)模型 数据集重构

在线阅读 下载PDF 职称材料

基于ARIMA-DBO-LSTM组合模型的矿区地表沉降预测:以贵州省开阳县洋水矿区为例

15

作者 文林海 刘萍 +4 位作者 黄鑫康 高方玲 刘贞智 李正龙 王春华 《科学技术与工程》 北大核心 2025年第24期10193-10203,共11页

随着矿产资源的大规模开采,矿区地表沉降问题日益严重,对环境安全和矿区可持续发展构成了重大威胁。以贵州省开阳县洋水矿区内平安一矿和双阳磷矿为研究对象,融合时序合成孔径雷达干涉测量(interferometric synthetic aperture radar, I... 随着矿产资源的大规模开采,矿区地表沉降问题日益严重,对环境安全和矿区可持续发展构成了重大威胁。以贵州省开阳县洋水矿区内平安一矿和双阳磷矿为研究对象,融合时序合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术和机器学习算法模型,对该磷矿矿区地表沉降进行监测与预测研究。利用小基线集技术获取2020年9月—2023年5月的地表累积时间序列沉降,并通过全球定位系统(global positioning system, GPS)实测沉降数据进行精度评估,得出监测结果具有准确性,并基于该结果,选取研究区内重要沉降点E1和E2,分别建立自回归滑动平均(autoregressive integrated moving average, ARIMA)和蜣螂优化算法(dung beetle optimizes, DBO)优化的长短期记忆网络(long short term memory, LSTM)预测模型以及基于不同权重下的ARIMA-DBO-LSTM组合模型,对其沉降趋势进行预测分析。结果表明:基于残差倒数法权重分配下的ARIMA-DBO-LSTM组合模型预测精度在E1和E2点均为最高,组合模型在处理复杂时序数据时弥补了单一预测模型的不足。所提方法能够为该研究区地表沉降预测提供一定的参考价值。 展开更多

关键词 小基线集雷达干涉测量(SBAS-InSAR) 蜣螂优化算法(DBO) 自回归滑动平均(ARIMA)模型 长短期记忆网络(LSTM)模型

在线阅读 下载PDF 职称材料

多模型融合的无人机异常航迹校正方法

16

作者 王威 佘丁辰 +2 位作者 王加琪 韩戴如 晋本周 《电子与信息学报》 北大核心 2025年第5期1332-1344,共13页

低空空域的开放和无人机的大规模应用使得低空飞行活动日益增多,航迹规划是确保无人机在复杂低空环境下有序飞行的关键。然而由于无线遥控链路中存在的干扰、欺骗等各种攻击,导致无人机偏离规划的航迹,给低空安全带来严峻挑战。为减小... 低空空域的开放和无人机的大规模应用使得低空飞行活动日益增多,航迹规划是确保无人机在复杂低空环境下有序飞行的关键。然而由于无线遥控链路中存在的干扰、欺骗等各种攻击,导致无人机偏离规划的航迹,给低空安全带来严峻挑战。为减小位置欺骗攻击引起的航迹异常,该文提出一种多模型融合的无人机异常航迹校正方法,通过预测无人机的位置参数进行航迹校正。为了降低长期预测误差对无人机航迹校正的影响,提出融合长短期记忆网络(LSTM)和Transformer的长短期记忆网络-Transformer(LSTM-Transformer)预测模型,并在此基础上提出了分块注意力优化策略,以降低Transformer子模型的计算复杂度,提高无人机异常航迹的校正效率。基于公开数据集,通过与基准方法比较和消融实验,证明了所提方法相比其它方法能够降低无人机异常航迹的校正误差,实现对无人机异常航迹的校正。 展开更多

关键词 无人机 航迹校正 多模型融合 长短期记忆网络-Transformer预测模型 分块注意力优化策略

在线阅读 下载PDF 职称材料

改进MFO-LSTM网络的风电机组齿轮箱故障预警研究 被引量：8

17

作者 周伟 魏鑫 李西兴 《机床与液压》 北大核心 2024年第4期185-194,共10页

风电机组齿轮箱在数据采集与监控系统(SCADA)的帮助下,通过监控齿轮箱油温是否超过阈值实现故障报警,其判断精度不高且问题发现不及时,因此使用长短期记忆网络模型(LSTM)融合SCADA数据实现对齿轮箱油温状态的预测。用齿轮箱正常运行状... 风电机组齿轮箱在数据采集与监控系统(SCADA)的帮助下,通过监控齿轮箱油温是否超过阈值实现故障报警,其判断精度不高且问题发现不及时,因此使用长短期记忆网络模型(LSTM)融合SCADA数据实现对齿轮箱油温状态的预测。用齿轮箱正常运行状态下的数据训练LSTM模型,计算油温预测值与真实值之间的残差,根据正态分布的原则设置残差的上下预警阈值,用来对齿轮箱故障进行预警。为简化训练模型的复杂度,在SCADA数据中选用与齿轮箱油温相关性较为密切的参数作为LSTM模型的输入项。为降低因LSTM模型超参数设置不当造成的预测准确度表现不佳,提出改进飞蛾火焰算法(MFO)与LSTM的组合模型,在保留MFO算法强大的全局搜索能力的同时,使其避免陷入局部搜索的陷阱,通过改进MFO对LSTM模型参数进行迭代优化,最终构建合适的模型。最后通过某风电机组SCADA数据验证该方法能够有效预警齿轮箱的故障,并且与其他方法相比准确度更高,预警更及时,迭代效果更好。 展开更多

关键词 风电机组齿轮箱 长短期记忆网络模型(LSTM) 故障预警 数据采集与监控系统(SCADA) 飞蛾火焰算法(MFO)

在线阅读 下载PDF 职称材料

融合FastText模型和注意力机制的网络新闻文本分类模型 被引量：10

18

作者 王婉 张向先 +1 位作者 卢恒 张莉曼 《现代情报》 CSSCI 2022年第3期40-47,共8页

[目的/意义]构建融合Fast Text模型和注意力机制的网络新闻文本分类模型,为网络新闻平台运营提供了智能化的知识组织思路。[方法/过程]基于Word2vec模型与Fast Text模型相结合的词向量模型Ngram2vec进行网络新闻文本的语义表达,并运用... [目的/意义]构建融合Fast Text模型和注意力机制的网络新闻文本分类模型,为网络新闻平台运营提供了智能化的知识组织思路。[方法/过程]基于Word2vec模型与Fast Text模型相结合的词向量模型Ngram2vec进行网络新闻文本的语义表达,并运用融合注意力机制的Bi LSTM;tte模型实现新闻文本分类。[结果/结论]实验结果显示,融合了Fast Text模型与注意力机制的网络新闻文本分类模型使F1值从90.62%提升到92.03%,说明本文提出的文本分类模型能够提升网络新闻文本分类的精确率,对网络新闻平台提升知识组织效率、优化服务水平具有重要参考价值。 展开更多

关键词 网络新闻 文本分类 注意力机制 双向长短期记忆神经网络模型

在线阅读 下载PDF 职称材料

基于EMD-CNN-LSTM混合模型的短期电力负荷预测 被引量：49

19

作者 徐岩 向益锋 马天祥 《华北电力大学学报（自然科学版）》 CAS 北大核心 2022年第2期81-89,共9页

为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural networ... 为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long-term and short-term memory network,LSTM)的混合模型短期电力负荷预测方法,将海量过往负荷数据、温度和历史电价信息以滑动窗口方式构造串联特征向量作为输入,先利用EMD将数据重构成多个分量,将高、中和低频分量各自叠加组合,再运用CNN提取高、中分量的潜藏特征,减少权值数量,并以特征向量的方式输入LSTM网络进行负荷预测,最后叠加各分量预测结果得到最终负荷预测值。实验结果表明,相对于BP神经网络(Back Propagation Neural Network)、支持向量机(support vector machine,SVM)、LSTM模型和EMD-LSTM模型,此模型具有更高的负荷预测精度。 展开更多

关键词 短期负荷预测 经验模态分解 卷积神经网络 长短期记忆网络 经验模态分解-卷积网络-长短期记忆网络混合模型

在线阅读 下载PDF 职称材料

Prophet-LSTM组合模型在运输航空征候预测中的应用 被引量：3

20

作者 杜红兵 邢梦柯 赵德超 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1878-1885,共8页

为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分... 为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(Long Short-Term Memory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1—12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证。结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285%、0.1287。相较于已有的自回归移动平均(Auto Regression Integrated Moving Average,ARIMA)+反向传播神经网络(Back Propagation Neural Network,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良。 展开更多

关键词 安全社会工程 运输航空征候 Prophet模型 长短期记忆网络(LSTM)模型 组合预测模型

在线阅读 下载PDF 职称材料