期刊文献+
共找到979篇文章
< 1 2 49 >
每页显示 20 50 100
基于双向门控循环单元网络的心音分段
1
作者 卢官明 许梦悦 +3 位作者 卢峻禾 戚继荣 赵宇航 王洋 《南京邮电大学学报(自然科学版)》 北大核心 2025年第3期58-66,共9页
为了提高心音分段的定位精度和准确率,提出一种基于双向门控循环单元(Bi‑directional Gated Recurrent Unit,Bi‑GRU)网络的心音分段算法。首先,采用短时傅里叶变换(Short‑Time Fou‑rier Transform,STFT)和同步挤压变换(Synchrosqueezing... 为了提高心音分段的定位精度和准确率,提出一种基于双向门控循环单元(Bi‑directional Gated Recurrent Unit,Bi‑GRU)网络的心音分段算法。首先,采用短时傅里叶变换(Short‑Time Fou‑rier Transform,STFT)和同步挤压变换(Synchrosqueezing Transform,SST)技术提取各个时间步短时窗口内心音信号的瞬时频率特征;然后,将各个时间步提取的瞬时频率特征构成序列并输入到Bi‑GRU网络,利用Bi‑GRU网络挖掘特征序列的上下文依赖关系,提取心音信号的上下文时频特征;最后,使用Softmax分类器将心音信号分成第一心音(S1)、第二心音(S2)、S1‑S2间期、S2‑S1间期4种状态类别。在PhysioNet/CinC Challenge 2016数据集上的实验结果表明,提出的心音分段算法总体准确率为93.30%,S1状态的平均F1得分为0.9538,S2状态的平均F1得分为0.9450,优于基线心音分段算法LR‑HSMM的性能指标,验证了该算法能有效地对心音信号进行分段,为心音信号的特征提取与分析提供了基础。 展开更多
关键词 心音分段 短时傅里叶变换 同步挤压变换 双向门控循环单元
在线阅读 下载PDF
采用门控循环单元与深度进化策略的股票指数量化模型 被引量:1
2
作者 任晓萍 陈志平 《西安交通大学学报》 北大核心 2025年第2期146-155,共10页
为了提高股票价指数预测的准确性、增强统计建模性能优化与股票指数特征相依的交易策略效果,提出一种将指数预测与量化交易策略有效结合的门控循环单元深度进化量化模型(GRU-DES)。首先,建立循环神经网络(RNN)、长短时记忆神经网络(LSTM... 为了提高股票价指数预测的准确性、增强统计建模性能优化与股票指数特征相依的交易策略效果,提出一种将指数预测与量化交易策略有效结合的门控循环单元深度进化量化模型(GRU-DES)。首先,建立循环神经网络(RNN)、长短时记忆神经网络(LSTM)和门控循环单元网络(GRU)预测模型,分别对上海证券交易所(上证)超大盘股票指数、上证中盘股票指数和上证小盘股票指数进行预测;接着采用所提出的深度进化量化模型(DES)对三大股票指数的预测值与真实值进行回测研究,通过比较预测结果与真实结果在同一策略下的各项回测指标和交易细节等特性确定最优网络结构和策略参数,进而优化深度进化策略;最后根据优化后的策略提出了GRU-DES模型,并再次对三大股票指数进行样本外数据回测来验证模型有效性。实证回测结果表明:所提出的GRU-DES模型在各量化回测指标上较LSTM-DES模型与RNN-DES模型的预测精度均高出14%以上,有效解决了统计预测指标的随机性和过拟合的问题;根据2016年至2024年7年间数据回测,所提出的GRU-DES模型比强化学习模型在各回测指标中均展现了稳定性和有效性。 展开更多
关键词 股票指数 量化模型 长短时记忆神经网络 门控循环单元 收益率
在线阅读 下载PDF
基于多尺度卷积神经网络和门控循环单元的离心泵叶轮故障诊断 被引量:1
3
作者 陶付东 智一凡 +4 位作者 李怀瑞 柳应倩 郝达 秦浩洋 付强 《机电工程》 北大核心 2025年第5期885-893,共9页
采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障。针对这一问题,提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先,在卷积神... 采用传统的诊断方法难以准确识别离心泵的关键水力部件叶轮在离心力、流体动力等综合作用情况下产生的机械故障。针对这一问题,提出了一种多尺度卷积神经网络(MCNN)和门控循环单元(GRU)相结合的离心泵叶轮故障诊断方法。首先,在卷积神经网络的基础上引入了循环神经网络,建立了特征提取和故障分类模块,可以自动地对原始输入信号进行空间和时间特征提取并识别关键故障模式;然后,搭建了立式离心泵叶轮故障仿真实验台架,对叶轮不同故障下的泵体振动信号进行了采集,用于训练所提MCNN-GRU诊断模型;最后,利用MCNN和GRU搭建了的诊断模型和其他模型,对叶轮不同故障情况下的振动信号故障识别情况进行了对比,并对抗噪性能进行了分析。研究结果表明:无噪声情况下的单通道诊断准确率超过97.59%,在强噪声条件下多通道诊断准确率达99.13%,优于传统方法,表现出良好的抗噪性能;此外,通过三通道振动数据的融合,诊断准确率达100%,可验证多通道数据融合的优势。该研究结果可为离心泵叶轮故障诊断提供可靠的方案。 展开更多
关键词 离心泵 特征提取 多通道信息融合 多尺度卷积神经网络 门控循环单元
在线阅读 下载PDF
基于门控循环单元的来袭弹药轨迹预测
4
作者 付豪 宋海平 +3 位作者 王金砺 王金相 陈日明 杨阳 《兵器装备工程学报》 北大核心 2025年第4期27-34,107,共9页
针对来袭弹药的真实轨迹非线性特征较多、探测数据误差较大难以对其轨迹数据进行预测的问题,提出了一种基于门控循环单元(GRU)的轨迹预测网络模型(CNN-GRU)。在实验中收集真实来袭弹药飞行轨迹数据,构建基础轨迹数据库,使用滑动窗口的... 针对来袭弹药的真实轨迹非线性特征较多、探测数据误差较大难以对其轨迹数据进行预测的问题,提出了一种基于门控循环单元(GRU)的轨迹预测网络模型(CNN-GRU)。在实验中收集真实来袭弹药飞行轨迹数据,构建基础轨迹数据库,使用滑动窗口的方法对数据库数据进行预处理,获取具有对应输入输出的数据集。离线状态下将CNN-GRU模型与其余5种对比模型在相同数据集下进行训练,得到具有最优超参数的网络。所提模型与对比模型分别对同一条轨迹数据的距离、俯仰角、水平角3个维度进行预测对比分析,使用均方差(MSE)作为模型预测性能的评价标准,实验结果表明:在保证预测时效性的前提下,完整预测轨迹后CNN-GRU模型的MSE为0.2449 m^(2)、0.0167°^(2)、0.0037°^(2),相较于对比模型的MSE均为最小,说明该模型的预测精度优于其余对比模型,为来袭弹药轨迹预测研究提供了一定参考。 展开更多
关键词 轨迹预测 门控循环单元(GRU) 来袭弹药 滑动窗口 均方差(MSE)
在线阅读 下载PDF
基于门控循环单元的纯电动汽车道路坡度估计
5
作者 朱宗铠 何超 +2 位作者 李加强 刘学渊 史志鹏 《机械设计》 北大核心 2025年第5期130-137,共8页
针对道路时变性特点,提出了一种基于门控循环单元(GRU)的道路坡度估计方法。分析车辆纵向动力学方程,选择合适的参数作为模型输入,并根据车辆真实行驶状况考虑车辆横向运动,并将横摆角速度作为网络输入参数之一。通过试验验证了有、无... 针对道路时变性特点,提出了一种基于门控循环单元(GRU)的道路坡度估计方法。分析车辆纵向动力学方程,选择合适的参数作为模型输入,并根据车辆真实行驶状况考虑车辆横向运动,并将横摆角速度作为网络输入参数之一。通过试验验证了有、无横摆角速度的2种预测模型均具有道路坡度估计能力。选择直线和弯曲2种路段研究横摆角速度对估计模型的影响,在直线路段横摆角速度对模型估计精度提升较小,弯曲路段估计精度提升较大。试验结果表明:横摆角速度作为网络输入参数可以有效地提升模型估计精度。 展开更多
关键词 门控循环单元 道路坡度 纯电动汽车 横摆角速度
在线阅读 下载PDF
基于变分模态分解和双向门控循环单元的偏导射流伺服阀故障诊断
6
作者 张帅印 陶建峰 +2 位作者 吴兆宇 陈方飞扬 谭浩洋 《液压与气动》 北大核心 2025年第8期1-11,共11页
在复杂工况下,偏导射流伺服阀可采集的故障信号有限且易受噪声干扰,导致其特征提取困难。针对该问题,提出了一种基于海星优化变分模态分解、时域卷积网络、引入自注意力机制的双向门控循环单元的故障诊断方法。首先,利用海星优化算法自... 在复杂工况下,偏导射流伺服阀可采集的故障信号有限且易受噪声干扰,导致其特征提取困难。针对该问题,提出了一种基于海星优化变分模态分解、时域卷积网络、引入自注意力机制的双向门控循环单元的故障诊断方法。首先,利用海星优化算法自适应确定变分模态分解参数,提高信号分解的准确性与鲁棒性;随后结合最小包络熵原则选取关键固有模态函数,从中提取主要特征;最后,将提取的特征融入时域卷积网络与自注意力机制增强的双向门控循环单元网络,提高故障特征的表达能力与分类性能。为验证所提方法的有效性,构建了偏导射流伺服阀故障仿真平台和开展了多种典型故障工况试验;结果表明,所提模型的故障识别准确率达到97.33%,具有较强的鲁棒性和诊断精度。 展开更多
关键词 偏导射流伺服阀 变分模态分解 双向门控循环单元 故障诊断
在线阅读 下载PDF
基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测 被引量:1
7
作者 高晨元 田建艳 +1 位作者 姬政雄 杨立志 《电网技术》 北大核心 2025年第5期1771-1780,I0003-I0006,共14页
准确的多元负荷预测对于能源系统的安全稳定运行以及优化控制和调度至关重要。针对园区综合能源系统随机性强、不确定性大、多种能源耦合等特点,该文提出一种基于门控循环单元(gated recurrent unit,GRU)、残差连接网络与多任务学习(mul... 准确的多元负荷预测对于能源系统的安全稳定运行以及优化控制和调度至关重要。针对园区综合能源系统随机性强、不确定性大、多种能源耦合等特点,该文提出一种基于门控循环单元(gated recurrent unit,GRU)、残差连接网络与多任务学习(multi-task learning,MTL)结合的园区综合能源系统多元负荷预测模型。首先,构建综合相关性分析方法,以分析不同负荷之间、不同负荷与气象因素之间的关联性,进而优选多元负荷的影响因素;其次,通过GRU网络挖掘多元负荷数据的时序特征,特别地,通过残差连接(residual connection,RC)优化深度网络的性能;然后,采用多任务学习硬共享机制提取多元负荷间的耦合信息;最后,采用多任务损失函数优化平衡多任务训练,提升预测模型的整体性能。算例分析表明,该文所提基于损失函数优化的GRU-RC-MTL模型相较于其他模型具有更为优越的预测性能,验证了该文模型的有效性,可为园区综合能源系统优化调度与能源管控提供更精确的多元负荷预测信息。 展开更多
关键词 园区综合能源系统 多元负荷预测 门控循环单元 多任务学习 损失函数优化策略
在线阅读 下载PDF
双线性特征融合和门控循环单元质量聚合的图像质量评价
8
作者 王亚茹 杨春旺 +3 位作者 屈卓 赵顺 张诗吟 翟永杰 《智能系统学报》 北大核心 2025年第4期946-957,共12页
目前图像质量评价方法存在特征融合方式简单、质量信息提取和利用不充分以及忽略图像不同区域间相关性的问题,本文提出双线性特征融合和门控循环单元(gate recurrent unit,GRU)质量聚合的图像质量评价方法。提取图像的全局和局部特征,... 目前图像质量评价方法存在特征融合方式简单、质量信息提取和利用不充分以及忽略图像不同区域间相关性的问题,本文提出双线性特征融合和门控循环单元(gate recurrent unit,GRU)质量聚合的图像质量评价方法。提取图像的全局和局部特征,并对局部特征进行基于可变形卷积的筛选操作,在语义和上下文信息的引导作用下,滤除与失真无关的信息;构建双线性特征融合模块,加强全局-局部特征的信息交互,捕捉图像质量在空间关系和上下文信息上的变化;构建基于GRU的质量聚合模块,将逐图像块质量预测和全局依赖性建模相结合,动态调整各图像块的权重比例,最后通过聚合各图像块的质量信息生成整张图像的质量分数。在不同失真类型、不同场景的CSIQ、TID2013和PIPAL数据集上,本文方法的皮尔逊线性相关系数和斯皮尔曼等级相关系数均为最优值,尤其在PIPAL数据集中,相比于次优方法,皮尔逊线性相关系数提高了3.9%,斯皮尔曼等级相关系数提高了3.1%。 展开更多
关键词 深度学习 图像质量 双线性池化 门控循环单元 可变形卷积 特征提取 特征选择 特征融合
在线阅读 下载PDF
基于图卷积神经网络−双向门控循环单元及注意力机制的风电功率短期预测模型
9
作者 张光昊 张新燕 王朋凯 《现代电力》 北大核心 2025年第2期201-208,共8页
风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预... 风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预测模型。该模型以数值天气预报数据(numerical weather prediction,NWP)和风电功率历史数据作为输入,首先利用皮尔逊相关性分析筛选特征,然后借助残差连接的图卷积神经网络(graph convolutional neural network,GCN)和图学习层挖掘空间特征关系,接着采用双向门控循环单元(bidirectional gated recurrent unit,BiGRU)挖掘历史数据的时序特征,最后引入注意力机制(attentional mechanisms,AM)分配权重,实现风电功率短期预测。以某风电场实测数据为例进行算例分析,实验结果表明,该文方法在单步及多步预测中相比其他方法有更好的预测精度。 展开更多
关键词 风电功率预测 混合深度神经网络 图卷积神经网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于轴承退化状态评估和改进图注意力双向门控循环单元网络的轴承剩余寿命预测
10
作者 宋李俊 刘松林 +2 位作者 辛玉 马婧华 谢正邱 《中国机械工程》 北大核心 2025年第7期1562-1572,共11页
受工作条件和运行工况影响,滚动轴承全寿命周期的运行状态监测数据存在强噪声干扰,且轴承运行寿命退化呈非线性,严重影响剩余寿命预测的准确性。提出了一种结合高精度故障始发时刻退化状态评估和改进图注意力双向门控循环单元网络的轴... 受工作条件和运行工况影响,滚动轴承全寿命周期的运行状态监测数据存在强噪声干扰,且轴承运行寿命退化呈非线性,严重影响剩余寿命预测的准确性。提出了一种结合高精度故障始发时刻退化状态评估和改进图注意力双向门控循环单元网络的轴承剩余寿命预测方法,并利用XJTU-SY全寿命周期轴承数据集验证了所提方法的有效性。研究结果表明,所提预测方法能有效捕获表征轴承退化状态的深度时空特征,与CNN-LSTM等方法相比,剩余寿命预测精度显著提高。 展开更多
关键词 滚动轴承 故障始发时刻 剩余寿命预测 改进图注意力双向门控循环单元
在线阅读 下载PDF
基于双向门控循环单元的脱硫系统pH预测模型
11
作者 高钾 田雪峰 +2 位作者 彭献永 蒋甲丁 徐敏 《科学技术与工程》 北大核心 2025年第13期5535-5543,共9页
针对石灰石-石膏湿法烟气脱硫系统(wet flue gas desulfurization, WFGD)工作过程中浆液pH难以精准测量、不利于WFGD作业的问题,建立一种基于双向门控循环单元的脱硫系统pH预测模型。首先,对原始数据进行清洗和归一化处理;其次,基于最... 针对石灰石-石膏湿法烟气脱硫系统(wet flue gas desulfurization, WFGD)工作过程中浆液pH难以精准测量、不利于WFGD作业的问题,建立一种基于双向门控循环单元的脱硫系统pH预测模型。首先,对原始数据进行清洗和归一化处理;其次,基于最大信息系数分析得出13个特征值为输入变量,pH为输出变量,并建立浆液pH模型;最后,运行模型,并对结果进行评价。研究结果显示,与长短期记忆和门控循环相比,所选用的数学模型的平均绝对误差分别下降了11.95%、24.92%,均方根误差分别下降了10.64%、19.49%,决定系数分别提高了1.79%、3.08%。表明基于双向门控循环单元的pH预测模型具有较高的精确度和稳定性,具有工程应用价值,为现有脱硫塔pH预测模型提供了工程参考。 展开更多
关键词 石灰石-石膏湿法烟气脱硫系统 双向门控循环单元神经网络 预测模型 浆液pH
在线阅读 下载PDF
基于门控循环单元和Transformer的车辆轨迹预测方法 被引量:4
12
作者 王庆荣 谭小泽 +1 位作者 朱昌锋 李裕杰 《汽车技术》 CSCD 北大核心 2024年第7期1-8,共8页
为增强自动驾驶车辆对动态环境的理解能力及其道路行驶安全性,提出基于门控循环单元(GRU)和Transformer的车辆轨迹预测模型STGTF,使用GRU提取车辆的历史轨迹特征,通过双层多头注意力(MHA)机制提取车辆的时空交互特征,生成预测轨迹。试... 为增强自动驾驶车辆对动态环境的理解能力及其道路行驶安全性,提出基于门控循环单元(GRU)和Transformer的车辆轨迹预测模型STGTF,使用GRU提取车辆的历史轨迹特征,通过双层多头注意力(MHA)机制提取车辆的时空交互特征,生成预测轨迹。试验结果表明,预测结果的均方根误差(RMSE)平均降低7.3%,STGTF在短期预测和长期预测方面均有不同程度的提升,验证了模型的有效性。 展开更多
关键词 车辆轨迹预测 门控循环单元 TRANSFORMER 车辆交互 多头注意力机制
在线阅读 下载PDF
一种基于改进门控循环单元的叠前时变子波提取方法
13
作者 戴永寿 李泓浩 +2 位作者 孙伟峰 万勇 孙家钊 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第4期1583-1600,共18页
子波的精确提取是地震勘探后续反演与成像的前提,针对传统时变子波提取方法受到的各类假设限制,且需分别提取子波振幅谱与相位谱的问题,本文提出了一种基于改进门控循环单元(GRU)网络的叠前时变地震子波提取方法.根据实际叠前地震数据... 子波的精确提取是地震勘探后续反演与成像的前提,针对传统时变子波提取方法受到的各类假设限制,且需分别提取子波振幅谱与相位谱的问题,本文提出了一种基于改进门控循环单元(GRU)网络的叠前时变地震子波提取方法.根据实际叠前地震数据分布特征与非平稳性质,本方法首先建立非平稳地震记录与添加随机噪声的时变子波训练数据集;为对提取出的时序特征进行拓展,提升传统GRU网络对长时序列的处理能力,本方法搭建起含多层GRU模块与全连接神经网络的改进门控循环单元网络模型;利用建立的训练数据集对网络模型进行训练使网络具备提取时变子波的能力;为提高训练效率与提取精度,本方法在训练的反向传播过程中应用自定义WaveLoss损失函数衡量误差,最终实现叠前时变子波的估计.经合成数据仿真实验与不同方法对比验证,本文提出的叠前时变子波提取方法具有更高的准确度;经对中国西部不同地区实际叠前地震资料处理与反褶积验证分析,该方法可有效提高目标区叠前地震剖面分辨率. 展开更多
关键词 时变子波提取 门控循环单元 叠前地震记录 反褶积
在线阅读 下载PDF
基于门控注意网络模型的天然气管道泄漏检测新方法 被引量:2
14
作者 董宏丽 孙桐 +2 位作者 王闯 杨帆 商柔 《天然气工业》 北大核心 2025年第1期25-36,共12页
准确的泄漏检测对维护天然气管道运行安全至关重要。近年来,深度学习已成为天然气管道泄漏检测的常用方法,但由于天然气管道数据具有复杂的时间动态特性,进而导致大多数深度学习方法在识别泄漏类型方面难以取得优异的性能。此外,检测模... 准确的泄漏检测对维护天然气管道运行安全至关重要。近年来,深度学习已成为天然气管道泄漏检测的常用方法,但由于天然气管道数据具有复杂的时间动态特性,进而导致大多数深度学习方法在识别泄漏类型方面难以取得优异的性能。此外,检测模型的初始超参数选择通常是随机的,这也可能会导致识别性能不稳定。为了提升天然气管道泄漏检测的准确性,提出一种基于麻雀搜索算法的门控注意网络模型(Sparrow Search Algorithm-based Gate Attention Network, SGAN)。首先,为了提取有效且具有鲁棒性的数据特征,采用带交叉熵函数的麻雀搜索算法对门控循环单元的初始超参数进行全局搜索;然后,设计了一种异常注意力机制,通过对数据特征进行加权来放大正常和泄漏数据之间的区分差异;最后,将所提算法应用于天然气管道的泄漏检测。研究结果表明:(1) SGAN模型能够实现模型超参数的自适应优化,并加快了模型的收敛速度,使模型性能更加稳定;(2) SGAN模型通过对正常与泄漏特征进行加权处理,显著提升了数据特征的区分效果;(3) SGAN模型的学习表示能力和泛化能力得到了明显加强,以此提高了对数据的分类性能;(4) SGAN模型能够显著提高天然气管道泄漏检测的准确率和召回率,可减少误报率和漏报率,并且其性能明显优于常规分类算法。结论认为,SGAN模型通过自适应优化和异常注意力机制结合,能精准识别泄漏特征,并快速响应天然气管道中的泄漏情况,有效提升了检测的准确性和可靠性,显著降低了安全事故风险,为天然气管道泄漏检测提供了一种高效、智能的解决新方案。 展开更多
关键词 天然气管道 泄漏检测 麻雀搜索算法 门控循环单元 异常注意力机制 自适应优化 智能
在线阅读 下载PDF
融合双图卷积与门控线性单元的方面级情感分析模型
15
作者 杨春霞 吴亚雷 +1 位作者 闫晗 黄昱锟 《计算机工程》 CAS CSCD 北大核心 2024年第4期141-149,共9页
方面级情感分析旨在确定句子中给定方面的情感极性。现有的基于图神经网络的方面级情感分析存在以下2个方面的不足:忽略了不同类型的句法依存关系和语料库中的词共现信息,以及不能准确地控制情感信息流向给定方面。针对以上问题,提出融... 方面级情感分析旨在确定句子中给定方面的情感极性。现有的基于图神经网络的方面级情感分析存在以下2个方面的不足:忽略了不同类型的句法依存关系和语料库中的词共现信息,以及不能准确地控制情感信息流向给定方面。针对以上问题,提出融合双图卷积与门控线性单元(GLU)的方面级情感分析模型。该模型首先采用全局词汇图来编码语料库中的词共现信息,在词汇图和句法图上利用分类概括结构来区分各种词共现频率和不同类型的句法依存关系。然后分别在2个图上进行双层卷积,继而使用Bi Affine变换模块作为桥梁,在2个图卷积网络模块之间有效地交换相关特征,从而有效地融合句法信息和词汇信息。最后利用GLU控制情感信息流向给定方面,使模型可以更专注地分析与该方面相关的情感信息,避免不相关的情感信息影响对给定方面的情感分析结果,从而提高分析的准确性。实验结果表明,在Twitter、Laptop14、Restaurant15和Restaurant16数据集上,该模型的准确率分别达到74.82%、77.61%、82.29%和89.81%,F1值分别达到72.97%、73.52%、67.72%和73.37%,方面级情感分类效果明显优于其他基线模型。 展开更多
关键词 方面级情感分析 词共现信息 双图卷积 信息交互 门控线性单元
在线阅读 下载PDF
粒子群优化的门控循环单元网络漂流浮标轨迹预测 被引量:1
16
作者 刘凇佐 王虔 +2 位作者 李磊 李慧 余赟 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3295-3304,共10页
该文针对漂流浮标的轨迹预测问题,提出一种基于深度学习框架的端对端预测模型。由于不同海域的水动力模型存在较大差异,针对海面漂流浮标的流体载荷计算也较为复杂。因此,该文根据漂流浮标历史轨迹形成的多维时间序列,提出更具有普适性... 该文针对漂流浮标的轨迹预测问题,提出一种基于深度学习框架的端对端预测模型。由于不同海域的水动力模型存在较大差异,针对海面漂流浮标的流体载荷计算也较为复杂。因此,该文根据漂流浮标历史轨迹形成的多维时间序列,提出更具有普适性的基于数据驱动的轨迹预测模型。该模型将粒子群优化算法(PSO)与门控循环单元(GRU)结合,使用PSO算法对GRU神经网络的超参数进行初始化,经过多次迁移迭代训练后获得最优漂流浮标轨迹预测模型。最后使用多个北大西洋真实漂流浮标轨迹数据进行验证,结果表明PSOGRU算法能够实现准确的漂流浮标轨迹预测。 展开更多
关键词 漂流浮标 轨迹预测 粒子群优化 门控循环单元
在线阅读 下载PDF
基于GRU门控循环单元的火电AGC数据建模及应用 被引量:1
17
作者 董建宁 张淇钧 +5 位作者 陈衡 冯福媛 潘佩媛 徐钢 王修彦 刘彤 《洁净煤技术》 CAS CSCD 北大核心 2024年第S01期406-413,共8页
为响应国家“双碳”目标,提高火电机组的运行灵活性,使用数学模型或仿真软件对火电AGC变负荷过程进行分析研究。而深度学习作为最火热的研究方法之一,将其应用于传统火电机组的大量数据集,可快速、轻便构建更具针对性和准确性的火电机组... 为响应国家“双碳”目标,提高火电机组的运行灵活性,使用数学模型或仿真软件对火电AGC变负荷过程进行分析研究。而深度学习作为最火热的研究方法之一,将其应用于传统火电机组的大量数据集,可快速、轻便构建更具针对性和准确性的火电机组AGC变负荷数据模型,对火电机组动态性能进行分析优化。对比不同循环神经网络框架,选择表现最优的GRU门控循环单元对火电机组变负荷过程进行数据建模,并通过遍历法提高模型精度,并结合自身数据集和物理仿真模型进行数据模型的多重验证。结果表明,基于门控循环单元搭建的数据模型可模拟火电机组在实际变负荷过程中的运行状况,并可模拟不同负荷指令组下的AGC变负荷过程,从而对最佳负荷指令组进行优化。根据模拟结果,在机组75%~100%THA升负荷过程中,调节精度提高了28.4%,在100%~75%THA降负荷过程中,调节精度提高了17.8%。 展开更多
关键词 自动发电控制 深度学习 门控循环单元 数据模型 负荷指令
在线阅读 下载PDF
采用门控循环单元神经网络和多特征融合的铣削刀具磨损监测 被引量:1
18
作者 葛慧 韩林池 +7 位作者 麻俊方 宋清华 王润琼 刘战强 杜宜聪 王兵 蔡玉奎 赵金富 《机械科学与技术》 CSCD 北大核心 2024年第4期667-673,共7页
为实现汽车发动机缸盖生产中刀具磨损状态的监测,提高刀具磨损监测方法的计算效率和识别精度,基于门控循环单元神经网络和多特征融合方法提出了面向铣刀后刀面磨损带宽度识别的刀具状态监测方法。通过铣削力信号数据对所提出方法的有效... 为实现汽车发动机缸盖生产中刀具磨损状态的监测,提高刀具磨损监测方法的计算效率和识别精度,基于门控循环单元神经网络和多特征融合方法提出了面向铣刀后刀面磨损带宽度识别的刀具状态监测方法。通过铣削力信号数据对所提出方法的有效性进行了验证,分析了不同超参数设置对模型识别精度的影响机制,给出了最优超参数,实现了对铣削刀具磨损的精确识别。 展开更多
关键词 刀具磨损 铣削力信号 状态监测 门控循环单元神经网络
在线阅读 下载PDF
基于门控循环单元网络的低阻油层测井流体识别方法 被引量:2
19
作者 龚宇 刘迪仁 《科学技术与工程》 北大核心 2024年第12期4932-4941,共10页
研究区块低阻油层发育广泛,油层和水层的电阻率相差不大,导致测井流体识别较为困难。为了有效识别低阻油层,采用少数类过采样技术(synthetic minority oversampling technique,Smote)对油水同层,油层等少数类样本进行过采样使数据集均衡... 研究区块低阻油层发育广泛,油层和水层的电阻率相差不大,导致测井流体识别较为困难。为了有效识别低阻油层,采用少数类过采样技术(synthetic minority oversampling technique,Smote)对油水同层,油层等少数类样本进行过采样使数据集均衡;并利用门控循环单元(gated recurrent unit,GRU)网络模型进行低阻油层的流体识别。通过相关性分析确定自然伽马(GR)、深侧向电阻率(RD)、密度(DEN)等8条测井曲线数据作为输入训练模型,应用于中实际资料中,并将GRU与传统RNN和其他3种机器学习算法对比。结果表明:序列数据模型的流体识别效果比传统机器学习模型好,且基于Smote-GRU的流体识别模型的符合率达到89.5%,相对传统循环神经网络(recurrent neural network,RNN)的81.1%,取得了较好的应用效果。通过对照试验还证实了Smote算法提高了分类器对少数类样本的识别率。所提出的方法可为样本不均衡的低阻油层的流体识别提供参考。 展开更多
关键词 低阻油层 流体识别 不均衡样本 门控循环单元(GRU)
在线阅读 下载PDF
变压器油中乙炔门控循环单元网络多步预测超参数优化方法 被引量:1
20
作者 赵军 高树国 +4 位作者 何瑞东 相晨萌 芮逸凡 王亚林 尹毅 《高压电器》 CAS CSCD 北大核心 2024年第7期163-172,190,共11页
油中溶解乙炔作为电力变压器中重要的放电程度表征参量之一,对其进行多步预测可以为变压器故障诊断及预警提供重要依据。现有的状态预测模型主要集中于单步预测,对于未来更长时期变化趋势的预测手段不足。此外,基于深度学习的多步预测... 油中溶解乙炔作为电力变压器中重要的放电程度表征参量之一,对其进行多步预测可以为变压器故障诊断及预警提供重要依据。现有的状态预测模型主要集中于单步预测,对于未来更长时期变化趋势的预测手段不足。此外,基于深度学习的多步预测模型的超参数选择大多基于经验和朴素的单一控制变量法,超参数之间的耦合关系没有得到充分的研究。文中提出基于多输出策略的门控循环单元(gated recurrent unit,GRU)神经网络多步预测模型,通过改变模型结构超参数和训练超参数研究超参数之间的耦合关系,使用多目标灰狼优化算法对不同预测结果倾向的GRU模型进行超参数优化。结果表明,GRU模型可以较为准确的对变压器油中乙炔含量进行30天预测,GRU模型的各超参数对输出预测结果的影响规律并不统一且相互影响,一组超参数无法同时达到多目标最优。多目标灰狼优化算法能够根据预测目标的不同,优化选择合适的超参数,为人工智能算法超参数的选取提供参考。 展开更多
关键词 变压器 乙炔 门控循环单元(GRU) 灰狼算法 多步预测
在线阅读 下载PDF
上一页 1 2 49 下一页 到第
使用帮助 返回顶部