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255篇文章
< 1 2 … 13 >
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：
有限制位置参数下单收缩预测量的改进
1
作者 马秋红 敬石心 肖玉山 《吉林大学学报（理学版）》 CAS CSCD 北大核心 2008年第6期1081-1084,共4页
考虑有限制位置参数下随机变量的统计预测问题.利用可得到的相关数据及参数间的两种不同序限制,对随机变量的单收缩预测量进行改进,得到了不同序限制下的改进预测量族,并探讨了改进预测量族之间的关系.
关键词 统计预测 有限制的位置参数 单收缩预测量 改进预测量
在线阅读 下载PDF
彩色多普勒超声联合Padua预测量表对老年全膝关节置换术后下肢深静脉血栓形成的诊断价值分析 被引量：16
2
作者 石波 刘家开 +2 位作者 李景 谢杨 黄鑫 《中国医学前沿杂志（电子版）》 2020年第4期85-88,共4页
目的探讨彩色多普勒超声(color Doppler ultrasonography,CDUS)联合Padua预测量表对老年全膝关节置换术(total knee arthroplasty,TKA)术后下肢深静脉血栓形成(deep venous thrombosis,DVT)的诊断价值。方法选取2017年1月至2019年11月... 目的探讨彩色多普勒超声(color Doppler ultrasonography,CDUS)联合Padua预测量表对老年全膝关节置换术(total knee arthroplasty,TKA)术后下肢深静脉血栓形成(deep venous thrombosis,DVT)的诊断价值。方法选取2017年1月至2019年11月核工业四一六医院收治的196例行TKA的老年患者为研究对象,以静脉造影结果为判断有无DVT的金标准,评估Padua预测量表、CDUS、CDUS联合Padua预测量表对DVT的诊断效能。结果196例患者中共有39例出现DVT,发生率为19.9%,DVT发生于术后3~8 d,31例(79.5%)患者无明显临床症状,全部DVT患者均接受抗凝和溶栓处理后临床效果满意,未出现血栓复发、出血、肺栓塞、死亡等不良事件。Padua预测量表≥4分时的Youden指数最高(0.597),提示其是最佳临界值。CDUS联合Padua预测量表(以≥4分为临界值)诊断DVT的灵敏度、特异度、Youden指数分别为94.9%、96.8%、0.917,均显著高于单独应用CDUS者(84.6%、93.0%、0.776)与Padua预测量表者(76.9%、82.8%、0.597)。结论老年患者行TKA术后DVT发生率较高,CDUS可作为DVT的首选辅助检查,Padua预测量表能有效筛查DVT的发生风险,二者联合应用对DVT的诊断价值更高。 展开更多
关键词 深静脉血栓形成 彩色多普勒超声 Padua预测量表 全膝关节置换术 诊断
在线阅读 下载PDF
脑血管病亚型高危人群的预测量表 被引量：2
3
作者 严文广 陈茹 +3 位作者 胡好 徐嘉苗 郑文 宋治 《中南大学学报（医学版）》 CAS CSCD 北大核心 2022年第7期928-935,共8页
目的:脑血管病大致可分为2个亚型,即脑缺血(cerebral ischemia,CI)和脑出血(cerebral hemorrhage,CH),目前还没有可以预测脑血管病亚型的模型。本研究旨在建立一个脑血管疾病亚型的预测模型。方法:本研究共纳入1200名脑血管病患者,其中1... 目的:脑血管病大致可分为2个亚型,即脑缺血(cerebral ischemia,CI)和脑出血(cerebral hemorrhage,CH),目前还没有可以预测脑血管病亚型的模型。本研究旨在建立一个脑血管疾病亚型的预测模型。方法:本研究共纳入1200名脑血管病患者,其中1081名(90%)患者的数据用于建立CI-CH量表,119名(10%)患者的数据对CI-CH量表进行测试。通过t检验和Fisher’s检验对预测因子进行第1次筛选,利用logistic回归对预测因子进行第2次筛选,以确定CI-CH量表的预测因子;参考OR值确定CI-CH量表的各因子的分值,计算约登指数作为CI-CH量表的分界点。结果:最终选择了9个危险因素作为评分系统,包括年龄(≥75岁为-1;<75岁为0),BMI(24-28 kg/m^(2)为-1,>28 kg/m^(2)为-2),高血压等级(1级为1,2级为2,3级为3),糖尿病(无为0,有为-1),使用降压药物(否为0,是为-2),饮酒量(<60 g/d为1,≥60 g/d为2),尿酸(低于正常为0,正常为-1,高于正常为-2),低密度脂蛋白胆固醇(<2 mmol/L为0,2-4 mmol/L为-1,>4 mmol/L为-2),高密度脂蛋白胆固醇(<1.55 mmol/L为0,≥1.55 mmol/L为2)。得分大于0的患者被归入CH组,反之,被归入CI组;其敏感性、特异性和准确性分别为74.5%、77.9%和76.4%。结论:CI-CH量表可以帮助临床医生预测脑血管疾病的亚型。 展开更多
关键词 脑缺血 脑出血 LOGISTIC回归分析 预测量表
在线阅读 下载PDF
具有地面不平度预测量系统的主动悬架系统的连续模糊控制 被引量：5
4
作者 余强 陈荫三 《汽车工程》 EI CSCD 北大核心 2000年第1期1-6,共6页
本文采用连续模糊控制方法来实现具有地面不平度预测量系统的主动悬架动力装置的控制,并通过模拟计算证明了采用此方法可使汽车的行驶平顺性和行驶安全性(通过性)同时得到有效改善。结果还表明,它可以有效降低主动系统消耗的最大功率和... 本文采用连续模糊控制方法来实现具有地面不平度预测量系统的主动悬架动力装置的控制,并通过模拟计算证明了采用此方法可使汽车的行驶平顺性和行驶安全性(通过性)同时得到有效改善。结果还表明,它可以有效降低主动系统消耗的最大功率和一定程度降低总能量的消耗。 展开更多
关键词 汽车 主动悬架 模糊控制 不平度预测量
在线阅读 下载PDF
客流预测量对地铁车站造价的影响分析 被引量：2
5
作者 王元丰 许丽丽 高婧 《城市轨道交通研究》 2008年第7期35-38,共4页
在地铁工程可行性研究阶段,项目决策对地铁工程造价的影响度可达80%～90%,而客流量又是决定地铁工程必要性和可行性的重要参数。客流预测工作做得科学细致,可以使地铁修建方面的许多不合理因素得到控制。研究了客流预测量与不同发车频... 在地铁工程可行性研究阶段,项目决策对地铁工程造价的影响度可达80%～90%,而客流量又是决定地铁工程必要性和可行性的重要参数。客流预测工作做得科学细致,可以使地铁修建方面的许多不合理因素得到控制。研究了客流预测量与不同发车频率下列车编组的关系,探讨了客流预测量与车站站台长度、宽度和进出站通道等的关系,分析了客流预测量对车站规模的影响,及其对车站造价的影响。 展开更多
关键词 客流预测量 地铁车站造价 车站规模
在线阅读 下载PDF
急性卒中患者两个预后预测量表的临床验证 被引量：1
6
作者 高智玉 高旭光 《中国全科医学》 CAS CSCD 北大核心 2010年第2期148-149,152,共3页
目的对两个预测急性卒中患者预后的国外量表进行临床验证,以考查这两个量表是否适用于中国人群。方法采用前瞻性和回顾性相结合的方法对一定时期内的卒中患者进行临床观察和病历回调,按照量表中的各项要求,对患者在卒中急性期的各项临... 目的对两个预测急性卒中患者预后的国外量表进行临床验证,以考查这两个量表是否适用于中国人群。方法采用前瞻性和回顾性相结合的方法对一定时期内的卒中患者进行临床观察和病历回调,按照量表中的各项要求,对患者在卒中急性期的各项临床表现进行评分;然后再定期电话随访,记录患者6个月时的生活自理情况及1年内的生存状况;最后将患者的实际结果与按照量表预测的结果进行比较,以此判断这两个国外量表是否适用于我国急性卒中患者的预后预测。结果经过临床验证,《急性卒中6个月时生活能力6变量预测表》对脑梗死患者6个月时生活自理情况的预测准确率达94.03%,对脑出血患者6个月时生活自理情况的预测准确率达80.65%。《急性卒中患者1年内死亡风险预测量表》对脑梗死患者1年内死亡风险的预测结果与随访实际结果基本一致,差异无统计学意义(P>0.05);而对脑出血患者1年内死亡风险的预测结果与实际随访结果相比较,差异有统计学意义(P<0.05)。结论验证的两个量表对我国脑梗死患者的预后有很好的预测功能,而对脑出血患者的预后预测功能较差。 展开更多
关键词 预测量表 准确率 脑梗死 脑出血
在线阅读 下载PDF
静止性脑梗死风险预测量表的构建和验证 被引量：2
7
作者 郑华光 张蔚韡 +6 位作者 张龙友 王瑞青 孟庆颖 刘晓楠 段芸芸 刘亚欧 王拥军 《中国卒中杂志》 2020年第9期999-1005,共7页
目的调查与静止性脑梗死(silent brain infarction,SBI)相关的独立影响因素,构建SBI风险预测量表并验证。方法在单中心横断面研究中,前瞻性连续纳入无神经系统疾病既往史的体检者,收集其人口学信息,高血压、糖尿病等血管危险因素,血脂... 目的调查与静止性脑梗死(silent brain infarction,SBI)相关的独立影响因素,构建SBI风险预测量表并验证。方法在单中心横断面研究中,前瞻性连续纳入无神经系统疾病既往史的体检者,收集其人口学信息,高血压、糖尿病等血管危险因素,血脂、糖化血红蛋白、血浆同型半胱氨酸等化验结果录入数据库。采用标准影像学操作规范进行头颅MRI扫描,并由影像学医师盲法判读,将受试者分为SBI组和无SBI组。将所有受试者按照3∶1比例随机分为训练集和验证集,在训练集中采用单因素和多因素Logistic回归分析SBI的独立影响因素,构建SBI预测量表。在训练集和验证集中应用ROC曲线检验量表的区分度,应用Hosmer-Lemeshow分析检验量表的校准度。结果共有633例研究对象纳入研究,平均年龄52.0±10.5岁,女性272例(43.0%)。训练集(475例)和验证集(158例)两个样本集合的基线特征均衡。校正混杂因素后多因素分析显示,年龄≥45岁(OR 8.37,95%CI 1.12~62.80,P=0.039),高血压(OR 2.30,95%CI 1.08~4.90,P=0.032),同型半胱氨酸(Q2~Q3:OR 6.89,95%CI 0.89~53.10,P=0.064;Q4:OR 13.6,95%CI 1.74~105.87,P=0.013)与SBI风险独立相关。根据OR值构建SBI危险评分(SBI risk score,SBI-RS)量表,量表赋值为:年龄≥45岁赋值8分;有高血压赋值2分;同型半胱氨酸根据四分位分层分别赋值为0分、7分和14分。SBIRS在训练集和验证集中ROC曲线显示曲线下面积分别为0.77(95%CI 0.69~0.84,P<0.001)和0.76(95%CI 0.63~0.88,P<0.001),区分度良好。Hosmer-Lemeshow相关分析提示SBI-RS具有较好的校准度(P>0.05)。结论在健康体检人群中,SBI-RS具有较好的区分度和校准度,可以帮助识别SBI高危人群。 展开更多
关键词 静止性脑梗死 风险预测量表 区分度 校准度
在线阅读 下载PDF
基于TSA-MLP的高瓦斯矿井瓦斯涌出量预测与应用
8
作者 张杰 杨科 廖旭 《中国安全生产科学技术》 北大核心 2025年第8期138-145,共8页
为解决瓦斯涌出量与影响因素耦合性差,提高模型预测能力,提出1种基于TSA-MLP的瓦斯涌出量预测方法。首先,通过Pearson算法筛选影响瓦斯涌出量主控因素;其次,引入Wigner-Ville分布获取数据时频特征,设计时序自注意力(temporal self-atten... 为解决瓦斯涌出量与影响因素耦合性差,提高模型预测能力,提出1种基于TSA-MLP的瓦斯涌出量预测方法。首先,通过Pearson算法筛选影响瓦斯涌出量主控因素;其次,引入Wigner-Ville分布获取数据时频特征,设计时序自注意力(temporal self-attention,TSA)模块提取时频特征的关键信息;最后,通过多层感知器(multilayer perceptron,MLP)特征增强模块融合局部与全局特征,实现瓦斯涌出量变化的精准预测。研究结果表明:TSA-MLP模型对工作面瓦斯涌出量变化具有较高的预测精度和稳定性,同时以不同工作面数据集验证了模型的泛化能力。研究结果可为矿井瓦斯涌出量预测提供有效技术参考。 展开更多
关键词 瓦斯涌出量预测 相关性分析 注意力机制 泛化能力
在线阅读 下载PDF
基于多特征提取和多层级迁移学习的电动汽车充电站充电量预测
9
作者 李振华 张成浩 +1 位作者 刘奕舟 魏伟 《电力系统保护与控制》 北大核心 2025年第6期150-162,共13页
电动汽车充电站充电量预测对于充电站规划、建设、充电管理平台营销等有着实际意义。但新建、改造的充电站可能会面临部分时段数据缺失、历史数据不足和浅层神经网络模型难以捕捉等多变且复杂的输入特征的问题。因此,提出了一种基于多... 电动汽车充电站充电量预测对于充电站规划、建设、充电管理平台营销等有着实际意义。但新建、改造的充电站可能会面临部分时段数据缺失、历史数据不足和浅层神经网络模型难以捕捉等多变且复杂的输入特征的问题。因此,提出了一种基于多特征提取和多层级迁移学习的电动汽车充电站充电量预测方法。首先,使用K-Means算法对所有用户在不同时间段的充电次数进行聚类,得到4类充电行为特征,将其和其他影响特征融合作为模型的输入特征集。其次,设计并行连接的多尺度混合时间卷积网络(temporal convolutional network,TCN)层作为特征提取器,两层BiLSTM层将提取到的特征进行深层学习,Attention层加强个体特征选择。最后,将源充电站数据进行相关性等级划分,按照相关性由弱到强输入到模型中进行多层级迁移学习,保留损失函数最低的训练权重,得到最终的预测结果。算例分析表明,多层级迁移学习可以弥补新建、改造的充电站数据样本不足的缺陷。与直接迁移相比,多层级迁移平均绝对误差(mean absolute error,MAE)降低了10.75%,均方根误差(root mean square error,RMSE)降低了13.73%,拟合优度R2提升了0.4%。 展开更多
关键词 充电量预测 迁移学习 特征提取 时间卷积网络 双向长短期记忆网络 注意力机制
在线阅读 下载PDF
基于EA-BiLSTM-SCSO的多步逐小时参考作物蒸腾量预测方法 被引量：1
10
作者 谢伟明 张钟莉莉 +3 位作者 陶建平 曲明山 魏一博 张石锐 《节水灌溉》 北大核心 2025年第3期57-63,70,共8页
在农业水资源管理领域,参考作物蒸腾量的精确预测对灌溉水高效利用至关重要。当前逐日预测方法未能充分利用日内动态变化信息,限制了预测准确性。为解决该问题,研究提出了一种基于外部注意力机制(EA)的双向长短时记忆网络(BiLSTM)模型,... 在农业水资源管理领域,参考作物蒸腾量的精确预测对灌溉水高效利用至关重要。当前逐日预测方法未能充分利用日内动态变化信息,限制了预测准确性。为解决该问题,研究提出了一种基于外部注意力机制(EA)的双向长短时记忆网络(BiLSTM)模型,使用沙猫群算法(SCSO)优化模型超参数,实现逐小时参考作物蒸腾量预测。首先利用SCSO方法对EA-BiLSTM模型进行优化,优化后的算法在70个epoch后收敛,平均R^(2)升至0.750;进而通过特征相关性分析,将模型输入的特征数据由10个减少为历史ET0、太阳辐射、空气温度、空气湿度和最大风速5个。以北京市昌平区的国家精准农业研究示范基地大田种植区ET0预测为例进行了方法验证,在对未来第7小时的预测中,R^(2)从0.619提高到0.644,获得了更好的预测效果;最后通过对模型可解释性分析证实,历史ET0对预测的贡献最高,贡献率达到了0.043,其次是空气湿度和总辐射。与DT(决策树)、Lasso(最小绝对收缩和选择算法)、LMP(多层感知机)、CNN(卷积神经网络)等预测方法的对比结果表明,采用EA-BiLSTM-SCSO的预测结果在MAE和MSE指标上均获得了最低的误差值,在R^(2)指标上,EA-BiLSTM-SCSO模型平均达到0.722较CNN模型提升了12.6%。研究验证了深度学习与特征工程在提高作物参考蒸腾量逐小时预测精度方面的优势。该方法在智慧灌溉中用于估算作物的水分需求,能够实现对未来灌溉的精准预测,从而制定合理的灌溉计划,提高灌溉水利用效率,进行有效的灌溉用水调度。 展开更多
关键词 BiLSTM 外部注意力机制 沙猫群优化算法 逐小时参考作物蒸腾量预测 模型可解释性
在线阅读 下载PDF
基于STL分解与N-BEATS的铁路货运站短期装车量组合预测模型
11
作者 马亮 陈奕霖 +2 位作者 郭进 胡宸瀚 金福才 《中国铁道科学》 北大核心 2025年第3期216-228,共13页
针对铁路货运站短期装车量的波动性与随机性特征导致其时序特征较难提取的问题,提出基于STL分解方法与N-BEATS神经网络模型的组合预测模型STL-N-BEATS。先通过STL分解方法将原始数据分解为趋势序列、周期序列和剩余项序列,再利用N-BEAT... 针对铁路货运站短期装车量的波动性与随机性特征导致其时序特征较难提取的问题,提出基于STL分解方法与N-BEATS神经网络模型的组合预测模型STL-N-BEATS。先通过STL分解方法将原始数据分解为趋势序列、周期序列和剩余项序列,再利用N-BEATS模型对各分量分别建模并重构预测结果,最后基于某铁路运输企业的4个货运站546 d的历史装车数据,对比所提模型与其他6种模型的预测性能。结果表明:A站测试集下,其他6种模型的预测均有一定滞后性,而所提模型可以较好地拟合真实值曲线,计算得到的对称平均绝对百分比误差、平均绝对误差和均方根误差3项指标均最低,这是由于所提模型分解时序特征后得到的趋势序列和周期序列主导了预测结果,降低了整体数据的不确定性和波动性;预测步长分别为3和7 d时,在B,C,D这3个货运站日装车量预测和D站不同去向、不同品名日装车量预测场景下,所提模型的3项指标仍均最低,标志着其具有良好的预测性能和泛化能力。 展开更多
关键词 铁路货运 短期装车量预测 深度学习 STL分解方法 N-BEATS模型
在线阅读 下载PDF
基于遗传算法优化BP神经网络的板栗蒸腾量预测模型
12
作者 徐佳莹 宁璐 《南方农机》 2025年第14期5-8,20,共5页
【目的】准确估算作物蒸发蒸腾量并采用智能控制技术对灌溉量进行控制,减少作物生育期的水分消耗,提高作物水分利用率,发展节水农业。【方法】以北京农学院智能温室内盆栽板栗为研究对象,以光照强度、环境温度、环境湿度、环境内CO_(2)... 【目的】准确估算作物蒸发蒸腾量并采用智能控制技术对灌溉量进行控制,减少作物生育期的水分消耗,提高作物水分利用率,发展节水农业。【方法】以北京农学院智能温室内盆栽板栗为研究对象,以光照强度、环境温度、环境湿度、环境内CO_(2)含量、叶室内CO_(2)含量以及土壤含水量为主要测定影响因素,建立了一种基于遗传算法优化BP神经网络的板栗蒸腾量预测模型。并通过设立正常浇水组和抗旱少水组两个处理组,利用BP神经网络与遗传算法优化BP神经网络对测试数据进行建模,对比两种算法的仿真时间和预测误差。【结果】正常浇水组优化后的建模仿真时间减少了4.937 55 s,抗旱少水组优化后的建模仿真时间减少了6.124 97 s;正常浇水组优化后的误差值降低了0.737 9,抗旱少水组优化后的误差值降低了1.572 5,说明遗传算法优化BP神经网络预测模型的综合预测结果更优。【结论】遗传算法优化BP神经网络预测模型有效修正了传统BP神经网络预测过程中存在的弊端,能够更好地展现板栗蒸腾量的非线性特性。本研究可为植株蒸腾量估算和实际需水量计算提供新思路和方法,对植株实现智能化控制具有重要的理论意义和实用价值。 展开更多
关键词 遗传算法 BP神经网络 蒸腾量预测
在线阅读 下载PDF
基于ISSA-Stacking集成学习的共享单车租赁量预测
13
作者 张泽 韩晓明 韩晓霞 《控制工程》 北大核心 2025年第1期39-50,共12页
针对共享单车供需不平衡问题,结合Stacking算法和改进麻雀搜索算法(improved sparrow search algorithm,ISSA),提出了一种基于ISSA-Stacking算法的共享单车租赁量预测模型。首先,利用相关性分析法和轻量级梯度提升机进行特征选择;然后,... 针对共享单车供需不平衡问题,结合Stacking算法和改进麻雀搜索算法(improved sparrow search algorithm,ISSA),提出了一种基于ISSA-Stacking算法的共享单车租赁量预测模型。首先,利用相关性分析法和轻量级梯度提升机进行特征选择;然后,建立多种异质回归预测模型并采用ISSA对各模型的关键超参数进行优化,通过引入精英反向学习策略和自适应种群比例因子来提高麻雀搜索算法的全局搜索能力和收敛速度;最后,利用Stacking算法的集成学习思想对各模型进行融合。实验使用美国华盛顿地区的共享单车出行数据进行租赁量预测,通过对比分析验证了所提融合模型相比单一模型在共享单车租赁量预测方面具有更高的预测精度。 展开更多
关键词 共享单车租赁量预测 集成学习 改进麻雀搜索算法 特征选择
在线阅读 下载PDF
基于GRO优化的VMD-HKELM月蒸发量预测方法研究 被引量：2
14
作者 李菊 崔东文 《水文》 CSCD 北大核心 2024年第5期25-31,共7页
水面蒸发预测对于水库水量预测、区域水量平衡分析和水资源量核算等具有重要意义。水面蒸发量预测影响因素众多,并最终体现在随时间变化的蒸发量监测数据中。为此,基于淘金热(GRO)算法优化变分模态分解(VMD)-混合核极限学习机(HKELM)提... 水面蒸发预测对于水库水量预测、区域水量平衡分析和水资源量核算等具有重要意义。水面蒸发量预测影响因素众多,并最终体现在随时间变化的蒸发量监测数据中。为此,基于淘金热(GRO)算法优化变分模态分解(VMD)-混合核极限学习机(HKELM)提出两种方案。方案Ⅰ先对月蒸发量时间序列分解,后划分训练集、测试集;方案Ⅱ先对月蒸发量划分训练集、测试集,再进行时间序列分解。通过一种新型元启发式算法对分解技术VMD、预测器HKELM超参数进行目标寻优并建立多种模型,采用云南省龙潭寨、西洋街水文站月蒸发量预测实例对方案Ⅰ、方案Ⅱ各模型进行检验。结果表明:方案Ⅰ各模型性能优于方案Ⅱ,各模型的拟合精度和预测精度总体上随分解分量数的增加而提高,但方案Ⅰ使用了测试集信息,导致预测精度虚高;方案Ⅱ各模型具有较好的预测精度和稳健性能,其用于月蒸发量时间序列预测是可行的,反映出客观真实的预测效果,具有较好的实用价值和意义。 展开更多
关键词 变分模态分解 淘金热优化算法 混合核极限学习机 超参数优化 月蒸发量预测
在线阅读 下载PDF
高速铁路预售期旅客购票量分布预测 被引量：1
15
作者 徐光明 林珊珊 +2 位作者 米希伟 王凯 胡心磊 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第1期13-25,共13页
在预售前(相隔31 d)预测高速铁路预售期旅客购票量分布是铁路企业精准进行收益管理的前提。基于高速铁路预售模式和旅客售票数据,分析预售期内各预售日旅客购票量的相关性,探究预售期旅客购票量分布的影响因素。综合考虑出发日特征以及... 在预售前(相隔31 d)预测高速铁路预售期旅客购票量分布是铁路企业精准进行收益管理的前提。基于高速铁路预售模式和旅客售票数据,分析预售期内各预售日旅客购票量的相关性,探究预售期旅客购票量分布的影响因素。综合考虑出发日特征以及旅客购票量分布时序特征的影响,构建了考虑多输出间关联性的最小二乘支持向量回归-卷积长短期记忆网络(MLSSVR-ConvLSTM)模型。以京沪高铁线路中上海虹桥站至北京南站、上海虹桥站至徐州东站、上海虹桥站至无锡东站这3种不同距离OD旅客为例,进行预售期旅客购票量分布预测实例分析。研究结果显示:MLSSVR-ConvLSTM模型预测结果较好地反映了真实的预售期旅客购票量分布的变化趋势,平均绝对百分比误差为6.7%~11.0%,预测效果优于多元线性回归(MLR)、K近邻回归(KN)、极致梯度提升算法(XGBoost)、支持向量回归机(SVM)、多输出最小二乘支持向量回归(MLSSVR)和卷积长短期记忆网络(ConvLSTM)等模型,验证了所提出模型的合理性和有效性。进而表明,在构建预售期旅客购票量分布预测模型时,考虑预售期旅客购票量分布整体性以及各类因素的综合影响可有效地提高模型预测精度。所提出的预售期旅客购票量分布预测模型可以为铁路企业制定动态票额分配和浮动票价等政策提供理论支撑。 展开更多
关键词 高速铁路 预售期 旅客购票量分布预测 MLSSVR-ConvLSTM模型 售票数据
在线阅读 下载PDF
麻雀搜索算法优化的外啮合齿轮泵泄漏量预测
16
作者 张立强 张建强 +2 位作者 丁杰 李全军 李琛玺 《液压与气动》 北大核心 2024年第7期93-100,共8页
预测齿轮泵泄漏量的变化趋势有助于定量分析其性能退化过程。变分模态分解(Variational Modal Decomposition, VMD)方法对齿轮泵原始泄漏量数据进行变分模态分解,得到本征模态函数IMF,提出一种结合麻雀优化算法(Sparrow Search Algorith... 预测齿轮泵泄漏量的变化趋势有助于定量分析其性能退化过程。变分模态分解(Variational Modal Decomposition, VMD)方法对齿轮泵原始泄漏量数据进行变分模态分解,得到本征模态函数IMF,提出一种结合麻雀优化算法(Sparrow Search Algorithm, SSA)和长短期记忆神经网络(Long-Short Term Memory, LSTM)的模型,建立VMD-SSA-LSTM模型预测齿轮泵泄漏量的变化情况,并对每一个分量进行单独预测,最后将预测结果进行叠加,获得完整的预测结果。通过对比不同时间段预测结果可知,VMD-SSA-LSTM模型较单一的LSTM模型预测结果的平均相对误差最高可减小25.2%,能够完成对泄漏量的有效预测。研究结论可为齿轮泵性能衰退的定量预测提供理论支持。 展开更多
关键词 外啮合齿轮泵 泄漏量预测 变分模态分解 麻雀搜索算法 长短期记忆网络 性能退化
在线阅读 下载PDF
坝基灌浆量预测ISSA-Stacking集成学习代理模型研究 被引量：6
17
作者 祝玉珊 王晓玲 +3 位作者 崔博 陈文龙 轩昕祺 余红玲 《天津大学学报（自然科学与工程技术版）》 EI CAS CSCD 北大核心 2024年第2期174-185,共12页
灌浆量预测对坝基灌浆施工具有重要意义.由于灌浆工程隐蔽且复杂,传统方法难以实现准确高效的灌浆量预测.代理模型是一种能够建立影响因素与响应值之间近似关系的快速求解方法,然而单一代理模型的预测稳定性和准确性较低,组合代理模型... 灌浆量预测对坝基灌浆施工具有重要意义.由于灌浆工程隐蔽且复杂,传统方法难以实现准确高效的灌浆量预测.代理模型是一种能够建立影响因素与响应值之间近似关系的快速求解方法,然而单一代理模型的预测稳定性和准确性较低,组合代理模型仅将单一模型结果进行加权平均,预测精度仍有待提高.为解决上述问题,本文提出一种ISSA-Stacking集成学习代理模型新方法用于灌浆量预测研究.首先,针对灌浆量预测具有数据量小、影响因素与灌浆量之间非线性关系复杂且预测不确定性较大等特性,基于Stacking集成学习策略,选取在小样本预测中表现优越的支持向量回归(SVR)、具有良好非线性拟合能力的BP神经网络(BPNN)和预测泛化性能及稳定性高的随机森林(RF)等算法作为基学习器,采用自适应学习和不确定性处理能力强的自适应神经模糊推理系统(ANFIS)作为元学习器以集成上述机器学习算法的优势,构建具有更优预测性能和泛化能力的Stacking集成学习方法作为代理模型;其次,为进一步提高模型预测精度,采用混沌理论和Lévy飞行策略改进的麻雀搜索算法(ISSA)对集成学习代理模型进行参数同步优化;最后,将所提ISSA-Stacking集成学习代理模型应用于某实际灌浆工程的灌浆量预测并与其他方法进行对比分析.结果表明,所提方法具有较高的预测精度,绝对平均误差仅为0.21 m^(3);与组合代理模型及单一代理模型(SVR、BPNN和RF)相比,平均精度分别提高24.34%、30.84%、32.68%和26.56%,为灌浆量预测提供了一种新思路. 展开更多
关键词 灌浆量预测 Stacking集成学习方法 代理模型 麻雀搜索算法
在线阅读 下载PDF
基于变分模态分解与深度集成组合模型的瓦斯涌出量预测 被引量：8
18
作者 展广涵 王雨虹 +1 位作者 付华 王淑月 《控制工程》 CSCD 北大核心 2024年第3期478-488,共11页
为提高瓦斯涌出量预测精度,提出一种基于变分模态分解(variationalmode decomposition,VMD)的注意力机制(attentionmechanism,AM)-长短期记忆(longshortterm memory, LSTM)网络与极端梯度提升(extreme gradient boosting, XGBoost)组合... 为提高瓦斯涌出量预测精度,提出一种基于变分模态分解(variationalmode decomposition,VMD)的注意力机制(attentionmechanism,AM)-长短期记忆(longshortterm memory, LSTM)网络与极端梯度提升(extreme gradient boosting, XGBoost)组合的预测模型。利用VMD将瓦斯涌出量原始数据分解为高、低频率的分量,以长短期记忆网络时序分析模型为基础,将分解后的高频分量作为其输入。同时,引入注意力机制提取瓦斯涌出量影响因素时序数据中的关键信息,增强序列数据中关键信息的表达,提高模型的预测精度。利用XGBoost模型对低频分量进行预测,将高、低频分量的预测结果进行叠加求和,得到最终的瓦斯涌出量预测值。根据实验结果,引入注意力机制后模型的预测精度明显高于无注意力机制的预测模型,且所提出的组合模型的预测精度均高于对应的单一模型和其他对比模型,验证了该方法的有效性。 展开更多
关键词 变分模态分解 注意力机制 长短期记忆网络 瓦斯涌出量预测 XGBoost
在线阅读 下载PDF
基于模态分解和时间卷积网络的瓦斯涌出量组合预测 被引量：1
19
作者 毛智强 徐耀松 +2 位作者 王丹丹 田楚汉 黄明宇 《传感技术学报》 CAS CSCD 北大核心 2024年第10期1795-1802,共8页
为有效地分析和处理煤矿中产生的瓦斯涌出数据,实现精准、可靠的回采工作面绝对瓦斯涌出量预测,以提前规避瓦斯灾害,提出自适应噪声完整集成经验模态分解对瓦斯涌出量序列进行分解,对分解得到的各分量分别构建时间卷积网络模型。利用IGJ... 为有效地分析和处理煤矿中产生的瓦斯涌出数据,实现精准、可靠的回采工作面绝对瓦斯涌出量预测,以提前规避瓦斯灾害,提出自适应噪声完整集成经验模态分解对瓦斯涌出量序列进行分解,对分解得到的各分量分别构建时间卷积网络模型。利用IGJO算法对TCN模型的相关超参数进行寻优,建立各分量的预测模型。使用Logistic混沌映射生成金豺种群,引入柯西-高斯变异算子,更新金豺位置并选择最优位置,增强算法搜索能力,避免种群陷入局部最优。将各分量的预测输出值叠加,得到最终的瓦斯涌出量预测值。测试结果表明,CEEMDAN-IGJO-TCN组合预测方法,降低了预测的复杂度同时提高了预测精度。 展开更多
关键词 瓦斯涌出量预测 经验模态分解 时间卷积网络 金豺优化算法 柯西-高斯变异
在线阅读 下载PDF
复杂天气条件下光伏电站太阳辐射量短期预测 被引量：2
20
作者 宋晓通 卢艺玮 +1 位作者 师芊芊 梅杨 《科学技术与工程》 北大核心 2024年第30期12985-12995,共11页
复杂天气条件下,天气变化波动较大;光伏电站传统太阳辐射量预测模型无法很好地处理复杂的非线性关系,存在精度不足的缺陷,给电力系统的保护和并网安全带来了挑战。为了应对这一挑战,建立了一种基于自适应模糊神经网络(adaptive-network-... 复杂天气条件下,天气变化波动较大;光伏电站传统太阳辐射量预测模型无法很好地处理复杂的非线性关系,存在精度不足的缺陷,给电力系统的保护和并网安全带来了挑战。为了应对这一挑战,建立了一种基于自适应模糊神经网络(adaptive-network-based fuzzy inference systems,ANFIS)的太阳辐射量预测模型。该模型引入了卫星遥感数据作为输入量,以补充传统的气象数据。首先,使用样本熵计算法对复杂天气进行判定;其次,采用自回归移动平均(auto regression integrated moving average,ARIMA)模型,预测未来24 h的云团光学厚度和气溶胶光学厚度这两种关键的卫星遥感数据。结合大气层上界的太阳辐射量和大气平均温度,建立了基于ANFIS的太阳能辐射量预测模型,从而得到未来24 h的太阳能辐射量预测结果。在算例研究中,将ANFIS模型与多层前馈(back propagation,BP)神经网络预测模型、长短期记忆(long short-term memory,LSTM)神经网络预测模型在不同天气类型中的精度进行了对比。结果表明,在简单天气条件下,ANFIS模型、BP模型、LSTM模型的均方根误差分别为0.1122、0.3184、0.2534 W/m^(2),三者相对较小且相差不大;在复杂天气条件中,ANFIS模型的均方根误差为0.8606 W/m^(2),比BP模型和LSTM模型分别降低了4.0396、2.0252 W/m^(2),这说明ANFIS模型在复杂天气条件下表现较好,能够适应具有较强波动性的数据。研究同时表明,在考虑气象数据的基础上计及卫星遥感数据,可将预测的均方根误差降低0.132 W/m^(2),进一步改进了预测精度。 展开更多
关键词 复杂天气 太阳辐射量预测 气象卫星数据 自适应模糊神经网络 自回归移动平均模型
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 … 13 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