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210篇文章
< 1 2 … 11 >
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AWOA-BI-LSTM的光伏发电功率预测 被引量：1
1
作者 吴仕宏 张璧臣 +1 位作者 吴佳文 武兴宇 《沈阳农业大学学报》 北大核心 2025年第2期131-143,共13页
[目的]光伏发电功率的准确预测对可再生能源整合到电网、市场和建筑能源管理系统中至关重要。为提高预测精度,本研究提出一种基于改进鲸鱼优化算法(AWOA)和双向长短期记忆网络(Bi-LSTM)的混合模型(AWOA-Bi-LSTM)。针对传统鲸鱼优化算法(... [目的]光伏发电功率的准确预测对可再生能源整合到电网、市场和建筑能源管理系统中至关重要。为提高预测精度,本研究提出一种基于改进鲸鱼优化算法(AWOA)和双向长短期记忆网络(Bi-LSTM)的混合模型(AWOA-Bi-LSTM)。针对传统鲸鱼优化算法(WOA)寻优精度低、收敛速度慢的问题,提出动态权重因子和自适应参数调整两种改进策略,以增强模型的全局搜索能力和收敛效率。[方法]利用实际光伏发电数据和实测气象数据将AWOA-Bi-LSTM和WOA-Bi-LSTM以及GRNN进行对比实验。[结果]其中AWOA-Bi-LSTM在测试集和训练集上的R^(2)值分别为0.99701和0.99843;测试集和训练集的RMSE分别为1.585和0.90063。测试集RPD为20.1604,训练集RPD为25.9357。[结论]AWOA-Bi-LSTM在拟合度、预测精度和稳定性方面均优于传统方法,能够更有效地捕捉时间序列数据中的复杂模式和趋势,显著提升预测性能。 展开更多
关键词 光伏发电 功率预测 lstm BI-lstm WOA算法
在线阅读 下载PDF
基于MIC-NNG-LSTM的有机废液焚烧SCR入口NO_(x)浓度动态预测
2
作者 李艳 史艳华 +2 位作者 戴庆瑜 刘嫣 马晓燕 《工程科学与技术》 北大核心 2025年第3期21-30,共10页
针对高盐有机废液焚烧及烟气处理过程中普遍存在的延迟、非线性和动态特性,提出一种基于自适应变量选择与长短期记忆神经网络(MIC-NNG-LSTM)的动态预测方法,对选择性催化还原法(SCR)脱硝塔入口NO_(x)浓度进行预测,解决当工况发生变化时... 针对高盐有机废液焚烧及烟气处理过程中普遍存在的延迟、非线性和动态特性,提出一种基于自适应变量选择与长短期记忆神经网络(MIC-NNG-LSTM)的动态预测方法,对选择性催化还原法(SCR)脱硝塔入口NO_(x)浓度进行预测,解决当工况发生变化时,脱硝系统不能及时调整喷氨量的问题。该预测方法在传统长短期记忆神经网络(LSTM)的基础上,利用最大互信息系数(MIC)法确定相关辅助变量的延迟时间,以全面捕捉变量之间的动态关系。其次,利用MIC可以反映各输入变量相对于目标变量的重要程度,结合能够收缩变量系数的非负绞杀(NNG)算法,设计MIC-NNG算法来压缩LSTM网络的输入节点数,剔除冗余变量,实现辅助变量的自适应选择。最后,将包含延迟时间的辅助变量集作为LSTM网络的输入变量集,从而建立SCR入口NO_(x)浓度动态预测模型。并与LSTM、MICLSTM、NNG-LSTM 3种预测SCR入口NO_(x)浓度的方法进行实验对比,浓度预测精度可达到93%,均方根误差减小为约1.5 mg/Nm^(3)。结果表明:通过引入输入变量的延迟时间特性,能够更好地体现各变量之间的动态关系;MIC-NNG算法相对于NNG算法能更准确地选择输入变量以缩短模型预测时间,提高预测精度和泛化能力。基于MIC-NNG算法和LSTM网络的动态预测模型综合考虑了有机废液焚烧过程中变量的延迟特性和各参数之间的动态时序关系,可以为降低NO_(x)排放量提供新思路。 展开更多
关键词 有机废液 动态预测 变量选择 长短期记忆神经网络 MIC-NNG算法
在线阅读 下载PDF
基于BWO和WOA的VMD-LSTM短期风速预测
3
作者 贾世会 刘立夫 +1 位作者 迟晓妮 李高西 《郑州大学学报(工学版)》 北大核心 2025年第3期59-66,共8页
针对风电机组组网运行存在的功率波动性和随机性,为提高风速预测的精度和风电机组运行的稳定性,提出了一种基于白鲸优化算法和鲸鱼优化算法的VMD-LSTM短期风速预测模型。首先,利用白鲸优化算法对VMD中的模态数及惩罚因子进行优化,得到... 针对风电机组组网运行存在的功率波动性和随机性,为提高风速预测的精度和风电机组运行的稳定性,提出了一种基于白鲸优化算法和鲸鱼优化算法的VMD-LSTM短期风速预测模型。首先,利用白鲸优化算法对VMD中的模态数及惩罚因子进行优化,得到分解的子序列;其次,对于LSTM中的隐含层节点数、最大训练次数和初始学习率等参数,使用鲸鱼优化算法进行确定;最后,利用LSTM的非线性拟合能力对数据进行预测。结果表明:所提预测模型在测试集上的RMSE、MAE、MAPE分别为0.2234,0.1727,0.0837,均低于其他对比模型,验证了所提模型在短期风速预测问题上的有效性。 展开更多
关键词 白鲸优化算法 鲸鱼优化算法 变分模态分解 lstm 风速预测
在线阅读 下载PDF
基于多头LSTM模型的南疆枣树土壤墒情预测 被引量：1
4
作者 杨轶航 吕德生 +4 位作者 刘宁宁 王振华 李淼 张金珠 王东旺 《水资源与水工程学报》 北大核心 2025年第2期207-217,共11页
在南疆枣业生产中,准确预测土壤墒情对于优化作物种植质量和制定灌溉计划至关重要。通过建立高精度的土壤墒情预测模型,为南疆枣树的灌溉管理提供了科学依据。基于2021和2022年的全生育期枣树在20、40、60、80 cm土层的土壤墒情数据、... 在南疆枣业生产中,准确预测土壤墒情对于优化作物种植质量和制定灌溉计划至关重要。通过建立高精度的土壤墒情预测模型,为南疆枣树的灌溉管理提供了科学依据。基于2021和2022年的全生育期枣树在20、40、60、80 cm土层的土壤墒情数据、气象数据以及灌溉水量等小时级数据集,采用长短期记忆神经网络(LSTM)模型对各土层土壤墒情进行多步预测。引入了由4个单一LSTM模型组成的多头LSTM模型,旨在扩大预测范围并提高预测精度,并采用k折交叉验证结合麻雀搜索算法(SSA)对每个单一LSTM模型进行超参数调优,以提升模型的泛化能力和准确性。对各单一模型的输出进行加权平均,获得最终的预测结果。结果表明:在4个土层墒情均值数据集上,多头LSTM模型对未来1、12、24、48 h的土壤墒情预测的决定系数(R^(2))分别提升至0.951、0.932、0.870、0.815;多头LSTM模型可有效提升枣树土壤墒情的中长期预测精度,特别是在24和48 h的预测中,改进效果尤为明显,这为枣树的精细化灌溉管理提供了有力支持,可帮助农民更有效地利用水资源,减少浪费。 展开更多
关键词 土壤墒情预测 多头lstm 麻雀搜索算法 k折交叉验证 南疆滴灌骏枣
在线阅读 下载PDF
基于改进遗传算法优化LSTM的营养液温度预测模型 被引量：1
5
作者 刘艺梦 王会强 +3 位作者 丁小明 李飞 孙玉林 孙广军 《中国农机化学报》 北大核心 2025年第6期91-97,共7页
准确预测营养液温度是营养液膜栽培技术(NFT)调控根区温度的关键,对作物生长具有重要意义,但因营养液温度具有时序性、非线性及多耦合性等特征,难以实现连续、精准化预测,基于此,提出一种改进遗传算法(IGA)优化多变量长短时记忆神经网络... 准确预测营养液温度是营养液膜栽培技术(NFT)调控根区温度的关键,对作物生长具有重要意义,但因营养液温度具有时序性、非线性及多耦合性等特征,难以实现连续、精准化预测,基于此,提出一种改进遗传算法(IGA)优化多变量长短时记忆神经网络(LSTM)模型参数的营养液温度预测方法,通过引入正弦函数,对遗传算法中的固定交叉和变异概率进行优化。使用皮尔逊相关分析法获取相关性较强的特征。同时构造特征与时间步长的矩阵,将其输入到网络中进行温度预测。预测结果表明,在预测时间为20~60 min时,模型决定系数为0.954~0.985,均方根误差为0.183℃~0.365℃,平均绝对误差为0.165℃~0.311℃。并在不同清晰度指数K_(T)下进行验证。结果表明,在0.5>K_(T)≥0.2(多云)时,模型营养液温度预测效果最好,且在其他K_(T)下模型可以达到生产所需预测精度要求,为根区精准高效控温提供重要依据。 展开更多
关键词 营养液膜技术 改进遗传算法 lstm神经网络 皮尔逊相关分析 营养液温度预测
在线阅读 下载PDF
基于深度残差Bi-LSTM的风电功率预测
6
作者 叶利娟 裴生雷 +1 位作者 董时 谭琳 《现代电子技术》 北大核心 2025年第20期113-119,共7页
深度学习模型在风电功率预测方面通常比传统机器学习模型表现更佳。然而,随着网络层数的增加,性能提升往往受到网络退化问题的阻碍。针对此问题,提出一种结合深度残差结构与双向长短期记忆(Bi-LSTM)网络的风电功率预测技术。该方法通过... 深度学习模型在风电功率预测方面通常比传统机器学习模型表现更佳。然而,随着网络层数的增加,性能提升往往受到网络退化问题的阻碍。针对此问题,提出一种结合深度残差结构与双向长短期记忆(Bi-LSTM)网络的风电功率预测技术。该方法通过引入残差连接增强深层Bi-LSTM网络的训练稳定性,同时捕捉风电数据的长期时序依赖。此外,采用Adam算法优化模型超参数,并在青海某风电企业数据集上对该方法进行了实证测试。实验结果表明,与支持向量回归(SVR)、标准LSTM模型和Bi-LSTM模型相比,深度残差Bi-LSTM模型在风电功率预测方面展现出显著优势:其MAE预测误差仅为61.55,远低于其他三种方法的MAE;而决定系数R^(2)值高达0.9377,表明模型具有良好的拟合度和预测准确性。这充分证明了深度残差Bi-LSTM模型在风电功率预测领域的潜力和价值。 展开更多
关键词 风电功率预测 深度残差 Bi-lstm 残差连接 Adam优化算法 超参数优化
在线阅读 下载PDF
数控铣床主轴热误差Bi-LSTM预测建模
7
作者 马宏宇 尹志宏 +2 位作者 叶愈 南朋涛 朱升硕 《机床与液压》 北大核心 2025年第14期51-57,共7页
为探究数控铣床复杂热源导致的主轴温升与热误差之间的非线性映射关系,提出一种基于双向长短期记忆神经网络(Bi-LSTM)的主轴热误差预测模型。以国产某型号精密数控铣床主轴单元为研究对象,采用激光位移传感器对主轴空转状态下的轴向热... 为探究数控铣床复杂热源导致的主轴温升与热误差之间的非线性映射关系,提出一种基于双向长短期记忆神经网络(Bi-LSTM)的主轴热误差预测模型。以国产某型号精密数控铣床主轴单元为研究对象,采用激光位移传感器对主轴空转状态下的轴向热误差进行测量,借助温度传感器采集主轴关键温度测点的温度。采用萨维茨基-戈莱滤波器对主轴温升、热误差数据进行滤波降噪处理,使用手肘法确定最佳聚类数,利用模糊C均值聚类结合灰色关联度分析(FCM+GRA)方法完成温度敏感点的选取,避免温度测点之间多重共线性问题。最后,以主轴轴向热误差和温度敏感点温升数据为输入,建立主轴热误差Bi-LSTM预测模型,并基于平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)和相关性系数R 2对模型的预测效果进行评估。结果表明:与LSTM(单向长短期记忆神经网络)、GRU(门控循环单元)和BPNN(反向传播神经网络)相比,Bi-LSTM预测模型的MAE分别降低了18.5%、21.8%、44.1%,RMSE分别降低了9.5%、20.2%、43.8%。因此,Bi-LSTM主轴热误差预测模型具有更高的鲁棒性和准确性。 展开更多
关键词 数控机床 主轴热误差 FCM+GRA算法 Bi-lstm模型 热误差预测
在线阅读 下载PDF
基于LSTM算法的无线传感网络DDoS攻击抑制方法
8
作者 贾俊 王云花 《传感技术学报》 北大核心 2025年第9期1668-1674,共7页
无线传感网络DDoS攻击抑制由于未充分考虑网络流量模式中的非线性关系,导致攻击识别不准确,进而影响了DDoS攻击抑制的报文到达率和异常流量抑制效果。为了解决这一问题,提出一种基于LSTM算法的无线传感网络DDoS攻击抑制方法。利用哈里... 无线传感网络DDoS攻击抑制由于未充分考虑网络流量模式中的非线性关系,导致攻击识别不准确,进而影响了DDoS攻击抑制的报文到达率和异常流量抑制效果。为了解决这一问题,提出一种基于LSTM算法的无线传感网络DDoS攻击抑制方法。利用哈里斯鹰种群算法从海量的网络流量信息中提取并量化关键特征。为了改进LSTM算法对非线性关系的处理能力,引入了算术平均滤波,将关键特征作为LSTM的输入,并采用Sigmoid非线性函数作为激活函数,以更准确地识别DDoS攻击。一旦DDoS攻击被识别,系统会迅速实施溯源,并在攻击源头进行速率限制,抑制DDoS攻击,保护无线传感网络的稳定运行。实验结果表明:改进后的LSTM算法在ROC曲线上的表现更接近左上角,表明其识别性能更优。并且实施速率限制抑制方法后,报文到达率保持在0.7以上,显著抑制了异常流量,验证了速率限制方法对DDoS攻击方面的有效性。 展开更多
关键词 无线传感网络 DDoS攻击抑制 lstm算法 速率限制 哈里斯鹰种群算法 关键特征信息
在线阅读 下载PDF
基于BO-LSTM的排露沟流域气象水文演变分析及径流预测模型建立 被引量：1
9
作者 康永德 陈佩 +3 位作者 许尔文 任小凤 敬文茂 张娟 《水利水电技术(中英文)》 北大核心 2025年第4期1-11,共11页
【目的】为揭示祁连山排露沟流域水文情势演变特征,并且为流域未来的水资源管理和优化配置提供依据和参考【方法】根据祁连山野外观测站2000—2019年实测径流和水文资料,采用线性趋势法、Pettitt检验、小波分析等方法,开展了降水与气温... 【目的】为揭示祁连山排露沟流域水文情势演变特征,并且为流域未来的水资源管理和优化配置提供依据和参考【方法】根据祁连山野外观测站2000—2019年实测径流和水文资料,采用线性趋势法、Pettitt检验、小波分析等方法,开展了降水与气温对径流量变化的影响,并建立了BO-LSTM排露沟流域径流预测模型。【结果】结果显示:(1)2000—2019年排露沟流域降水、气温和径流呈现两段式的上升趋势,分界点在2010年,降水和径流,第一阶段上升趋势均高于第二阶段,斜率依次为10.74、3.16;气温则相反,第二阶段高于第一阶段,斜率为0.11。并且降水、气温和径流的MK突变检验z值均大于0。(2)降水量在5—10月对径流量变化的贡献率较大;而气温在12月—次年4月对径流变化的贡献率大。(3)排露沟流域气温主要有3 a、14 a两个主周期,其中第一主周期为14 a;径流存在19 a、9 a和3 a三个主周期,其中第一主周期为19 a;降水主要存在4 a、11 a两个主周期,第一主周期为11 a。(4)BO-LSTM排露沟径流预测模型,精度R 2为0.63,均方根误差为14047 m 3,模型在径流量较小月份的预测精度大于径流量较大的月份。【结论】近20年来排露沟流域的降水、气温及径流均呈上升趋势;排露沟流域径流、降水及气温均存在明显的周期性;气温和降水是影响排露沟流域径流的重要因素;径流预测模型可以适用于排露沟流域。上述研究结果为祁连山水资源效应研究和内陆河流域水资源预测提供科学支撑。 展开更多
关键词 水文 水资源 径流演变 排露沟流域 径流预测 神经网络 lstm(Long Short-Term Memory)模型 贝叶斯优化算法
在线阅读 下载PDF
基于IPOA-LSTM辅助的组合导航算法
10
作者 周理想 陈佳 毛宽民 《计算机工程与设计》 北大核心 2025年第5期1241-1247,共7页
为解决INS/GNSS组合导航系统在GNSS信号失锁条件下导航误差迅速增大的问题,提出一种基于改进的鹈鹕优化算法(IPOA)优化长短期记忆神经网络(LSTM)超参数,进而辅助INS/GNSS组合导航的算法。当卫星信号可用时,通过训练建立输入与输出之间... 为解决INS/GNSS组合导航系统在GNSS信号失锁条件下导航误差迅速增大的问题,提出一种基于改进的鹈鹕优化算法(IPOA)优化长短期记忆神经网络(LSTM)超参数,进而辅助INS/GNSS组合导航的算法。当卫星信号可用时,通过训练建立输入与输出之间的关系;卫星信号失锁后,利用训练好的模型进行预测,抑制纯惯导的发散。实测数据实验结果表明,在GNSS信号失锁60 s内,提出的改进算法优于通用的LSTM模型及纯惯导推算方法,能够对组合导航的导航精度进行改善,减小GNSS信号中断对组合导航系统的影响。 展开更多
关键词 惯性导航系统 全球导航卫星系统 组合导航 信号失锁 鹈鹕优化算法 超参数优化 长短期记忆神经网络
在线阅读 下载PDF
基于WD-ISSA-LSTM的锂电池剩余使用寿命预测
11
作者 王健 崔俊 +1 位作者 王晓佳 于昊铜 《机械设计与制造》 北大核心 2025年第9期139-144,共6页
锂离子电池是纯电动汽车供能的主要形式,针对目前锂离子电池剩余使用寿命(RUL)预测精度低,模型适应性不强等问题,提出一种WD-ISSA-LSTM的锂电池RUL预测方法。首先对马里兰大学公开数据集中的CX2-36和CX2-38两块电池的原始数据进行小波... 锂离子电池是纯电动汽车供能的主要形式,针对目前锂离子电池剩余使用寿命(RUL)预测精度低,模型适应性不强等问题,提出一种WD-ISSA-LSTM的锂电池RUL预测方法。首先对马里兰大学公开数据集中的CX2-36和CX2-38两块电池的原始数据进行小波降噪处理;其次利用Logistic混沌映射初始化种群和加入动态权重因子去改进麻雀搜索算法(SSA);最后,采用ISSA对长短期记忆网络(LSTM)的超参数进行优化,用优化后的LSTM实现滚动预测。预测结果表明:与单一的LSTM预测相比,预测精度有了很大的提高,均方根误差均保持在1%之内,拟合程度提高了16%,并在CX2-34电池上验证了该方法的适应性。 展开更多
关键词 锂电池 剩余使用寿命 小波降噪 改进麻雀搜索算法 lstm
在线阅读 下载PDF
基于Bi-LSTM算法的露天矿山爆破振动速度预测
12
作者 张伟 倪彬 +2 位作者 王立 谢伟 魏士钰 《矿冶工程》 北大核心 2025年第1期21-26,共6页
针对传统公式对爆破振动预测精度不高的问题,构建了基于Bi-LSTM(双向长短期记忆网络)算法的露天矿山爆破振动速度预测模型。该模型可以在两个方向上处理时间序列数据,同时捕获过去和未来的上下输入信息与输出数据之间的依赖关系。以马... 针对传统公式对爆破振动预测精度不高的问题,构建了基于Bi-LSTM(双向长短期记忆网络)算法的露天矿山爆破振动速度预测模型。该模型可以在两个方向上处理时间序列数据,同时捕获过去和未来的上下输入信息与输出数据之间的依赖关系。以马钢集团高村铁矿露天矿山爆破开采监测数据为依据,选取相关数据为输入参数,并将Bi-LSTM预测结果与萨道夫斯基公式预测结果进行对比。结果表明:萨道夫斯基公式预测的爆破振动速度平均误差为26.87%,Bi-LSTM算法预测的爆破振动速度平均误差为8.95%;Bi-LSTM模型预测结果与实测结果具有较高的吻合度。后期将以其他矿山的监测数据为依托对模型进行训练,以提高Bi-LSTM模型的泛化能力,并通过迁移学习植入矿山安全实时监测预警平台。 展开更多
关键词 露天矿山 爆破振动 振动速度 预测模型 Bi-lstm 深度学习算法
在线阅读 下载PDF
基于自适应VMD-LSTM的超短期风电功率预测 被引量：4
13
作者 王迪 傅晓锦 杜诗琪 《南京信息工程大学学报》 北大核心 2025年第1期74-87,共14页
针对风电功率波动性较强和预测精度较低的问题,提出一种改进蜣螂优化算法(Logistic-T-Dung Beetle Optimizer,LTDBO)优化变分模态分解(Variational Mode Decomposition,VMD)参数和LTDBO算法优化长短期记忆网络(Long Short-Term Memory,L... 针对风电功率波动性较强和预测精度较低的问题,提出一种改进蜣螂优化算法(Logistic-T-Dung Beetle Optimizer,LTDBO)优化变分模态分解(Variational Mode Decomposition,VMD)参数和LTDBO算法优化长短期记忆网络(Long Short-Term Memory,LSTM)超参数的混合短期风电功率预测模型.首先以平均包络谱峭度作为适应度函数,利用LTDBO算法对VMD分解层数和惩罚因子进行寻优,然后使用VMD对数据清洗后的风电序列进行分解,得到不同频率的平稳的固有模态分量(Intrinsic Mode Function,IMF),并将各IMF输入由LTDBO进行超参数寻优的LSTM进行预测,最后将各IMF预测值进行叠加重构,得到最终结果.实验结果表明:LTDBO算法可以找到VMD和LSTM的最优超参数组合,LTDBO-VMD-LTDBO-LSTM组合模型在风电功率预测领域具有较好的预测精度和鲁棒性. 展开更多
关键词 风电功率 蜣螂优化算法 变分模态分解 长短期记忆网络 数据清洗
在线阅读 下载PDF
基于WOA-IGWO-LSTM的作业车间实时调度
14
作者 郑华丽 魏光艳 +2 位作者 孙东 王明君 叶春明 《机床与液压》 北大核心 2025年第2期54-63,共10页
针对作业车间实时调度问题,基于长短期记忆(LSTM)神经网络,提出WOA-IGWO-LSTM算法。根据调度问题和算法设计三元样本数据结构,以性能指标和生产系统状态属性作为输入特征,输出当前决策点的最佳调度规则。利用鲸鱼优化算法(WOA)对输入特... 针对作业车间实时调度问题,基于长短期记忆(LSTM)神经网络,提出WOA-IGWO-LSTM算法。根据调度问题和算法设计三元样本数据结构,以性能指标和生产系统状态属性作为输入特征,输出当前决策点的最佳调度规则。利用鲸鱼优化算法(WOA)对输入特征进行降维,以提高模型泛化能力和准确性。引入非线性收敛因子设计一种改进灰狼算法(IGWO)用于调节LSTM参数,提高算法实用性。最后,通过对比试验验证了WOA、IGWO以及WOA-IGWO-LSTM的有效性,并利用工业案例数据验证了WOA-IGWO-LSTM对于解决作业车间实时调度问题的有效性和可行性。 展开更多
关键词 长短期记忆(lstm)神经网络 鲸鱼优化算法(WOA) 改进灰狼算法 作业车间实时调度
在线阅读 下载PDF
基于CNN-LSTM模型的土壤温湿度缺失数据填补算法
15
作者 张瑛进 史志强 +1 位作者 古丽米拉·克孜尔别克 库木斯·阿依肯 《湖北农业科学》 2025年第2期179-183,196,共6页
针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络(CNN-LSTM)填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LS... 针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络(CNN-LSTM)填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LSTM 5个模型对土壤温湿度传感器网络缺失数据进行填补,并采用Adam算法优化模型,使用决定系数(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)指数对模型填补结果进行评价。结果表明,采用线性插补算法获得完整的数据,CNN-LSTM模型的R^(2)为0.999 9,高于其他模型,MAE、RMSE分别为0.001 85、0.019 70,均远低于其他模型。采用k近邻插补算法获得完整的数据,CNN-LSTM模型的MAE、RMSE分别为0.000 12、0.000 12,均远低于其他模型,R^(2)为0.999 4,高于CNN模型、TCN模型;CNN-LSTM模型对土壤温湿度传感器数据缺失值的填补效果最好。CNN-LSTM模型在处理大规模土壤温湿度传感器缺失数据问题时具有较好的可行性和精确度。 展开更多
关键词 CNN-lstm模型 土壤 温湿度 缺失数据填补算法
在线阅读 下载PDF
融合节假日及天气特征的VMD-SSA-LSTM的高铁站出租车需求预测
16
作者 徐志君 刘曦 +3 位作者 郭媛 王宝锋 吴雅倩 桂小林 《计算机应用》 北大核心 2025年第S1期121-126,共6页
针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列... 针对高铁站出租车供需失衡的问题,为了快速疏散高铁站旅客,并最大限度地减少旅客和司机的等待时间,提升旅客出行体验,提出一种融合节假日及天气特征的VMD-SSA-LSTM模型预测高铁站出租车需求量。首先,使用变分模态分解(VMD)分解时间序列数据,以解决高铁站客流量不平稳的问题;其次,利用麻雀搜索算法(SSA)简化长短期记忆(LSTM)网络参数的选择过程;最后,结合多种环境特征预测某高铁站的出租车需求。人工采集该高铁站出租车需求的时间序列数据以及天气和节假日等特征后的实验结果表明,构建的融合多种特征的VMD-SSA-LSTM模型的平均绝对误差(MAE)为0.920 3、均方根误差(RMSE)为1.289 5、平均绝对百分比误差(MAPE)为0.187 6%,而拟合优度(R2)为0.991 0,显示所提模型适用于铁路枢纽的出租车需求量短时预测。 展开更多
关键词 出租车需求预测 长短期记忆网络 变分模态分解 麻雀搜索算法
在线阅读 下载PDF
变模态分解下SSA-LSTM组合的锂离子电池剩余使用寿命预测方法 被引量：2
17
作者 李嘉波 王志璇 +1 位作者 田迪 孙中麟 《储能科学与技术》 北大核心 2025年第2期659-670,共12页
锂离子电池在电动汽车、可再生能源等领域广泛应用,对其剩余使用寿命(remaining useful life,RUL)进行精确预测,能够实时把握电池的内在性能退化状态,降低电池使用风险。本工作提出了一种基于变模态分解(variational mode decomposition... 锂离子电池在电动汽车、可再生能源等领域广泛应用,对其剩余使用寿命(remaining useful life,RUL)进行精确预测,能够实时把握电池的内在性能退化状态,降低电池使用风险。本工作提出了一种基于变模态分解(variational mode decomposition,VMD)、麻雀优化算法(sparrow search algorithm,SSA)和长短期记忆网络(long short-term memory,LSTM)的组合预测算法对锂离子电池剩余寿命进行预测。首先,基于锂离子电池电流、电压以及温度曲线,提取等压差充电时间、等压差充电能量、放电温度峰值和恒流充电时间作为预测RUL的间接健康因子。其次,采用变模态分解法分解容量以避免容量回升的局部波动和测试噪声对RUL预测结果造成干扰。针对传统LSTM模型超参数设置易受到经验和随机性的影响,提出了麻雀优化算法对LSTM模型参数进行优化,以提升模型的预测能力。最后,应用NASA和CALCE数据集,将所提模型与其他模型进行对比。实验结果表明,锂离子电池RUL预测均方根误差控制在2%以内,所提方法具有较高的预测性能。 展开更多
关键词 锂离子电池 剩余使用寿命 变模态分解 麻雀优化算法 长短期记忆网络
在线阅读 下载PDF
基于LSTM算法的玉米籽粒储藏温度预测 被引量：4
18
作者 陈思羽 徐爱迪 +4 位作者 王贞旭 于添 宋婉欣 乔睿 吴文福 《实验技术与管理》 CAS 北大核心 2024年第1期57-62,共6页
为减少储粮损失和虫霉等的发生,该文利用自制试验仓及检测系统检测储藏玉米籽粒不同位置的粮温,分析粮堆温度变化及整个粮堆热量的传递过程。试验结果表明,仓外环境温度对粮温影响较大,仓内粮食温度变化与仓外环境温度变化相比较为滞后... 为减少储粮损失和虫霉等的发生,该文利用自制试验仓及检测系统检测储藏玉米籽粒不同位置的粮温,分析粮堆温度变化及整个粮堆热量的传递过程。试验结果表明,仓外环境温度对粮温影响较大,仓内粮食温度变化与仓外环境温度变化相比较为滞后,粮堆第一层2号位置温度在检测周期中一直处于较低状态,温度最高位置出现在第四层12号位置。基于粮堆温度变化分析,该文开展了基于长短时记忆网络(LSTM)算法的玉米籽粒储藏粮温预测研究。结果表明:(1)对比预测值与试验值可知,粮堆第一、二、三、四层测试集的粮温准确率分别为0.62、0.89、0.83、0.79;(2)位于粮堆第二层和第三层的预测结果精度较高,试验仓粮堆底层和顶层温度易受环境温度影响,粮堆热量交换速度快,温度变化迅速,导致第一层和第四层预测结果精度偏低。该研究可为粮食储藏温度预测研究提供新思路。 展开更多
关键词 玉米籽粒 储藏 lstm算法 温度预测
在线阅读 下载PDF
一种融合GA和LSTM的边坡变形预测优化网络模型及其应用 被引量：6
19
作者 肖海平 王顺辉 +2 位作者 陈兰兰 范永超 万俊辉 《大地测量与地球动力学》 CSCD 北大核心 2024年第5期491-496,共6页
考虑到BP神经网络模型忽略边坡监测数据存在的时间相关性,以及LSTM模型由于超参数选择存在主观性而易陷入局部最优等问题,提出一种基于遗传算法和长短期记忆网络(GA-LSTM)相结合的边坡变形预测模型,以发挥遗传算法全局搜索能力和LSTM预... 考虑到BP神经网络模型忽略边坡监测数据存在的时间相关性,以及LSTM模型由于超参数选择存在主观性而易陷入局部最优等问题,提出一种基于遗传算法和长短期记忆网络(GA-LSTM)相结合的边坡变形预测模型,以发挥遗传算法全局搜索能力和LSTM预测时序数据的优势。以海明矿业露天采场边坡为研究对象,分别采用BP神经网络模型、LSTM网络模型以及GA-LSTM网络模型对边坡监测点GNSS49变形进行预测分析,并对比各模型达到收敛条件的时间。结果表明,GA-LSTM模型与其他模型达到同一收敛条件的时间差异不大,GA-LSTM模型的拟合准确度在0.1~0.2 mm,是LSTM神经网络模型的5~7倍,是BP神经网络模型的10~20倍,具有较高的精度和稳定性,其预测值与实际监测数据基本一致,可为矿山边坡的安全生产、管理以及决策控制提供科学依据。 展开更多
关键词 露天矿边坡 遗传算法 lstm神经网络 优化网络模型 变形预测
在线阅读 下载PDF
基于PSO-LSTM的重载铁路车轨桥系统随机振动响应预测方法 被引量：5
20
作者 毛建锋 李铮 +2 位作者 伍军 余志武 胡连军 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3661-3671,共11页
在车桥系统随机振动分析中,随机动力响应是评价行车安全性的关键因素之一,而现有的响应计算方法存在耗时长、成本高的问题。能够快速准确预测车-轨-桥系统的动力响应对重载铁路桥梁的状态评估和运维养维具有重要意义。本文提出了一种基... 在车桥系统随机振动分析中,随机动力响应是评价行车安全性的关键因素之一,而现有的响应计算方法存在耗时长、成本高的问题。能够快速准确预测车-轨-桥系统的动力响应对重载铁路桥梁的状态评估和运维养维具有重要意义。本文提出了一种基于粒子群优化(Particle Swarm Optimization,PSO)长短期记忆(Long Short-term Memory,LSTM)神经网络模型的重载车桥系统随机振动响应预测方法。该方法以车桥随机参数与轨道随机不平顺激励为输入,以桥梁动力响应为输出构造代理模型。首先,基于商业软件MATLAB平台构建PSO-LSTM网络模型;其次,通过建立的车-轨-桥系统随机振动分析模型计算初始样本集对应的随机动态响应,并进行模型训练,同时利用PSO算法优化LSTM结构参数;最后,使用训练好的PSO-LSTM模型对桥梁动态响应进行预测。为了验证本算法的优越性和鲁棒性,以朔黄重载铁路实测数据为例,对比本算法与BP(Back Propagation)神经网络、GRU(Gated Recurrent Unit)神经网络和LSTM神经网络的预测效率,并讨论不同车速下的预测情况,开展本模型与实测数据及有限元分析数据的对比分析。研究结果表明:在PSO优化下,LSTM模型预测结果得到一定的改善,PSO-LSTM模型拟合相关性系数可以达到0.97,其他评价误差值也均小于BP神经网络、GRU神经网络模型,本文模型可更高效准确地预测桥梁随机动力响应,可为进一步发展车-轨-桥系统随机振动响应预测理论提供技术支持。 展开更多
关键词 随机振动 响应预测 PSO算法 lstm神经网络 车轨桥系统
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 … 11 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