基于BP神经网络和LSTM网络模型的软土地基沉降预测分析

1

作者 刘亚辉 《工程技术研究》 2025年第2期18-20,共3页

为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题,文章基于厦门某机场工程自动化监测项目,辅以人工监测进行对比,分析偏差的成因,同时利用神经网络(back propagation,BP)和长短期记忆网络(long short-term memory,LSTM)模... 为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题,文章基于厦门某机场工程自动化监测项目,辅以人工监测进行对比,分析偏差的成因,同时利用神经网络(back propagation,BP)和长短期记忆网络(long short-term memory,LSTM)模型分别对典型区域表层沉降监测点的累计沉降量进行预测分析及精度对比,发现LSTM网络预测模型精度更高,整体预测效果优于BP神经网络模型,预测效果也更符合实际情况,能为计算工后沉降、评判处理效果、核实工程量等提供一定的参考依据。 展开更多

关键词 自动化监测 软土地基沉降 BP神经网络 lstm网络模型

在线阅读 下载PDF 职称材料

基于LSTM网络模型的高速公路软基长期沉降预测 被引量：5

2

作者 郑罗春 《湖南交通科技》 2021年第2期94-97,共4页

LSTM网络模型相较于一般曲线拟合方法具有容错性好、记忆功能强等显著优势,可有效识别并保存已有数据中的隐藏信息特征。基于以上优势,构建针对高速公路路基长期沉降预测的LSTM神经网络模型,进一步利用高速公路路基长期沉降特征的时序... LSTM网络模型相较于一般曲线拟合方法具有容错性好、记忆功能强等显著优势,可有效识别并保存已有数据中的隐藏信息特征。基于以上优势,构建针对高速公路路基长期沉降预测的LSTM神经网络模型,进一步利用高速公路路基长期沉降特征的时序化特点,基于LSTM神经网络模型对其进行预测,结果表明:所构建LSTM模型可有效表征高速公路路基长期沉降的非线性特征,相比较于指数曲线法而言,其误差低,预测精度较高。 展开更多

关键词 lstm网络模型 高速公路 长期沉降

在线阅读 下载PDF 职称材料

基于改进LSTM神经网络的电动汽车充电负荷预测 被引量：7

3

作者 林祥 张浩 +1 位作者 马玉立 陈良亮 《现代电子技术》 北大核心 2024年第6期97-101,共5页

当前对电动汽车(EV)充电负荷预测的研究缺少真实的数据支撑,并且模型考虑场景过于简单,影响因素考虑不到位,预测结果缺乏说服力。基于此,提出一种考虑多种电动汽车充电负荷影响因素的电动汽车充电负荷预测方法。首先,考虑天气、季节、... 当前对电动汽车(EV)充电负荷预测的研究缺少真实的数据支撑,并且模型考虑场景过于简单,影响因素考虑不到位,预测结果缺乏说服力。基于此,提出一种考虑多种电动汽车充电负荷影响因素的电动汽车充电负荷预测方法。首先,考虑天气、季节、温度、工作日、节假日等因素对电动汽车充电负荷的影响,采用三标度层次分析法分析各影响因素权重;其次,建立LSTM神经网络预测模型,通过真实数据训练得到用于预测的LSTM神经网络模型,结合影响因素权重分析结果对预测模型进行修正,得到最终的改进LSTM神经网络负荷预测模型;最后,采用常州某小区的真实数据对所提预测方法进行试验验证。结果表明,所提方法可以实现电动汽车充电负荷的精确预测,且负荷预测结果可为有序充电策略研究提供参考。 展开更多

关键词 电动汽车 充电负荷预测 lstm神经网络模型 影响因素权重 层次分析法 有序充电

在线阅读 下载PDF 职称材料

基于LSTM神经网络的文本违规判别与分析

4

作者 周浩洋 钱瑾 张泽通 《集成电路应用》 2024年第9期52-54,共3页

阐述基于TF-IDF技术构建文本内容的特征扩展,通过聚类分析出违规文本的内容主题倾向,并且构建LSTM神经网络模型对搜集的网络评论进行预测,对暴力、歧视等一系列违规样本进行检测识别,对违规信息识别的问题进行多方面分析,显著提高违规... 阐述基于TF-IDF技术构建文本内容的特征扩展,通过聚类分析出违规文本的内容主题倾向,并且构建LSTM神经网络模型对搜集的网络评论进行预测,对暴力、歧视等一系列违规样本进行检测识别,对违规信息识别的问题进行多方面分析,显著提高违规文本识别的效率与正确率。 展开更多

关键词 潜在狄利雷克分配 Kmeans聚类 lstm神经网络模型 TF-IDF特征

在线阅读 下载PDF 职称材料

基于LSTM神经网络与蒙特卡罗模型的辽河源头区径流预测 被引量：12

5

作者 任成清 马建国 +2 位作者 张冲 郭娜 聂思雨 《水电能源科学》 北大核心 2021年第11期40-43,共4页

准确的中长期径流预测是水资源规划与管理的重要依据。与传统水文模型相比,LSTM神经网络与蒙特卡罗模型具有简单、精度高的优点。以吉林省辽河源头为例,以月为时间步长,收集降雨、温度、蒸发、径流等影响因子数据,并分析影响因子之间的... 准确的中长期径流预测是水资源规划与管理的重要依据。与传统水文模型相比,LSTM神经网络与蒙特卡罗模型具有简单、精度高的优点。以吉林省辽河源头为例,以月为时间步长,收集降雨、温度、蒸发、径流等影响因子数据,并分析影响因子之间的相关性,以关键因子(降雨、蒸发、实测径流)作为输入项,以辽河源头模拟径流为输出项,分别建立径流的LSTM神经网络和蒙特卡罗模型,采用相关系数R~2、纳什系数、均方根误差和百分比偏差指标对两个模型的预测效果进行比较。结果表明,LSTM神经网络与蒙特卡罗模型相比,LSTM神经网络预测值与真实值的相关系数及纳什系数均高于0.87,百分比偏差在±5%之内,模型具有较高的模拟精度,性能表现非常好。LSTM径流预测为中长期洪水预报提供了依据。 展开更多

关键词 神经网络模型(lstm) 蒙特卡罗模拟 径流预测 辽河源头

在线阅读 下载PDF 职称材料

基于LSTM神经网络模型的石油单井产量预测 被引量：1

6

作者 刘嘉豪 刘浩 《石油化工应用》 CAS 2023年第3期38-41,52,共5页

在油田开发过程中,预测石油单井日产量往往受多种不确定因素影响,本文基于具有时间记忆优势的LSTM神经网络模型,使用生产时间、冲程、冲次、日产液、含水率、泵效、日产气以及井口温度作为输入参数,建立单井日产量预测模型。并通过手动... 在油田开发过程中,预测石油单井日产量往往受多种不确定因素影响,本文基于具有时间记忆优势的LSTM神经网络模型,使用生产时间、冲程、冲次、日产液、含水率、泵效、日产气以及井口温度作为输入参数,建立单井日产量预测模型。并通过手动对预测模型参数(最大训练次数与全局学习率)进行调优,使得预测模型具有较高精度,通过实例预测,最终平均绝对误差0.100、均方差0.019以及平均绝对百分误差1.431%。该模型对于单井日产量具有广泛的通用性,并且具有一定的参考意义。 展开更多

关键词 lstm神经网络模型 产量预测 参数优化

在线阅读 下载PDF 职称材料

数据驱动与物理机制耦合的菜子湖流域水位预报模型研究

7

作者 张运鑫 雷岳清 +4 位作者 廖卫红 张召 雷晓辉 年树强 张志山 《中国农村水利水电》 北大核心 2024年第9期145-151,159,共8页

菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法... 菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法,构建了四水源新安江-LSTM耦合模型,进一步将物理机制模型模拟的入湖流量作为补充因子,驱动神经网络(LSTM)模型模拟菜子湖水位,从而实现两种不同模型在湖泊水位预报中的耦合应用。结果得出:直接模拟水位的洪水误差小于0.1 m,耦合模拟水位的洪水误差小于0.02 m,后者相较前者,水位误差精度提升了0.08 m。直接模拟水位验证期的洪水误差在0.02 m之内,纳什系数R^(2)分别为0.89、0.75及0.88,均方根误差RMSE分别为0.034、0.027及0.015;耦合模拟水位验证期的洪水误差在0.015 m之内,纳什系数R^(2)分别为0.91、0.82及0.88,均方根误差RMSE分别为0.019、0.021及0.008。研究结果表明,与单驱动因子得出的结果相比,双驱动因子得出的结果更有效地提高了水位的模拟精度。同时在考虑对应降雨的洪水过程中,数据驱动和物理机制相结合的方法与直接预测水位误差相对比,有效地提高了场次洪水水位预报的精度,得到更精确的模拟结果。为引江济淮工程的调水提供了重要的参考依据,也为相似调水工程的洪水水位预报提供一定的参考。 展开更多

关键词 四水源新安江模型 神经网络(lstm)模型 数据驱动和物理机制相结合 水位误差

在线阅读 下载PDF 职称材料

基于扩散模型的文本连续性插画生成

8

作者 徐任政 姚剑敏 +1 位作者 陈恩果 严群 《信息技术与信息化》 2024年第4期24-27,共4页

基于扩散模型的生成能力,提出了一种基于扩散模型的文本连续性插画的生成方法。其目标是根据给定的文本输入,生成连续的插画,以便更好地传达文本的意思。在扩散模型的基础上,加入了LSTM神经网络模型,使扩散模型在原本只能根据一句或者... 基于扩散模型的生成能力,提出了一种基于扩散模型的文本连续性插画的生成方法。其目标是根据给定的文本输入,生成连续的插画,以便更好地传达文本的意思。在扩散模型的基础上,加入了LSTM神经网络模型,使扩散模型在原本只能根据一句或者一段文本来生成一张图片的基础上加以改进,之后可以通过一段或多段文本,通过LSTM进行预处理,再生成一系列连续性的图片。所提方法主要是利用LSTM神经网络模型在序列建模方面的优势,它能很好地捕捉序列数据中的长期依赖关系,从而更好地理解和建模序列中的上下文信息。将预处理好的源文本送入生成模型,通过生成模型的生成能力,最后输出一系列连续的图片。 展开更多

关键词 扩散模型 深度学习 插画生成 连续性 lstm神经网络模型

在线阅读 下载PDF 职称材料

基于R语言ARIMA模型和LSTM模型的中药材价格指数预测

9

作者 彭苹 《长江信息通信》 2023年第8期26-28,共3页

探究中药材价格指数预测模型将为中药产业的健康发展提供助力。据此,文章利用我国2016年1月至2023年2月中药材价格指数时间序列,基于R语言建立自回归移动平均(ARIMA)模型以及长短期记忆网络神经网络模型(LSTM),比较两种模型预测的准确... 探究中药材价格指数预测模型将为中药产业的健康发展提供助力。据此,文章利用我国2016年1月至2023年2月中药材价格指数时间序列,基于R语言建立自回归移动平均(ARIMA)模型以及长短期记忆网络神经网络模型(LSTM),比较两种模型预测的准确性并预测未来12个月中药材的价格指数。两种模型预测结果表明,2023年3月至2024年2月中药材价格指数将会上涨,并且ARIMA模型较LSTM模型预测效果更好。中药材价格指数预测模型将有利于提高资源配置有效性和促进中药材市场健康运行。 展开更多

关键词 中药材价格指数 R语言 时间序列 ARIMA模型 lstm神经网络模型

在线阅读 下载PDF 职称材料

应用图像语义分割网络的微地震事件识别和初至拾取方法 被引量：8

10

作者 邓飞 蒋沛凡 +2 位作者 蒋先艺 帅鹏飞 唐云 《石油地球物理勘探》 EI CSCD 北大核心 2022年第5期1011-1019,I0001,共10页

微地震初至精确拾取是目前微地震监测关键环节之一,传统的人工拾取方法耗时长、效率低,在实际应用中容易导致无法及时预警等问题。近年来,基于深度学习的长短期记忆网络模型(LSTM)常用于微地震初至拾取,但在低信噪比环境下拾取准确率较... 微地震初至精确拾取是目前微地震监测关键环节之一,传统的人工拾取方法耗时长、效率低,在实际应用中容易导致无法及时预警等问题。近年来,基于深度学习的长短期记忆网络模型(LSTM)常用于微地震初至拾取,但在低信噪比环境下拾取准确率较低,且忽视了微地震数据中相邻道初至之间的关联性。针对上述问题,将微地震初至发生前、后看作是图像二分类问题,提出了一种应用图像语义分割网络的微地震事件识别和初至自动拾取方法。应用在矿井中采集的实际微地震数据进行实验,结果表明,对包含岩石破裂、工程爆破等多类型微地震事件,该方法的识别准确率较现有的深度学习方法明显提高,平均拾取误差大幅降低,特别是低信噪比数据的平均拾取误差远小于LSTM法,因而具有良好的实际工程应用价值。 展开更多

关键词 微地震监测 微地震初至 拾取 图像语义分割 长短期记忆网络模型(lstm)

在线阅读 下载PDF 职称材料

基于CEEMDAN-LSTM的陶岔渠首水深预测 被引量：4

11

作者 陈伟 吕学斌 梁雪春 《人民黄河》 CAS 北大核心 2022年第5期89-94,共6页

采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型(CEEMDAN-LSTM)对水深进行预测。首先利用中位值平均滤波法对数据进行预处理,再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列,然后对得到的... 采用基于自适应噪声的完全经验模态分解-长短期记忆神经网络模型(CEEMDAN-LSTM)对水深进行预测。首先利用中位值平均滤波法对数据进行预处理,再采用CEEMDAN方法对历史水深序列进行分解获得历史水深的高、低频以及残差序列,然后对得到的各个分量使用LSTM神经网络预测,最后叠加各分量预测值重构水深预测结果。以陶岔渠首为研究对象,CEEMDAN-LSTM模型测试结果表明:该模型相比支持向量机回归、BP神经网络、长短期记忆神经网络、经验模态分解-长短期记忆神经网络模型有更强的预测性能。 展开更多

关键词 水深预测 中位值平均滤波法 CEEMDAN分解 lstm神经网络模型 陶岔渠首

在线阅读 下载PDF 职称材料

面向实车数据的电动汽车电池退役轨迹预测 被引量：8

12

作者 周雅夫 史宏宇 《太阳能学报》 EI CAS CSCD 北大核心 2022年第5期510-517,共8页

针对车载环境下电池容量难以预测,电池退役时间难以确定的问题,提出基于车辆日常充电片段数据来估算电池当前最大可用电量,构建电池当前可用最大容量与行驶里程的序列关系以描述电池的退化特征,为剩余寿命预测提供可靠依据。首先在电池... 针对车载环境下电池容量难以预测,电池退役时间难以确定的问题,提出基于车辆日常充电片段数据来估算电池当前最大可用电量,构建电池当前可用最大容量与行驶里程的序列关系以描述电池的退化特征,为剩余寿命预测提供可靠依据。首先在电池的充电工况下以安时积分法估算电池的当前可用最大容量,利用卡尔曼滤波对得到的容量值进行修正,然后建立长短期记忆(LSTM)神经网络模型来预测在车辆行驶里程下的电池容量衰退轨迹。结果表明:该方法实现了电池容量的准确预测,为车辆电池退役时间确定提供了可靠依据。不同训练集下均方根误差均低于多项式回归模型和高斯回归模型,预测精度至少提高了12.7%,具有较强的适用性和实际意义。 展开更多

关键词 电动汽车 寿命预测 动力电池 梯次利用 电池容量 卡尔曼滤波 lstm网络模型

在线阅读 下载PDF 职称材料

融合情感评论倾向与均衡长尾物品的推荐方法 被引量：1

13

作者 王谢宁 李玉蒻 +1 位作者 朱志国 刘琦卿 《运筹与管理》 CSSCI CSCD 北大核心 2022年第10期176-182,共7页

推荐领域中已有研究较多的考虑属性维度在评分-物品上来提高算法的准确性,对于用户对产品的真实态度判断不够。论文利用LSTM神经网络模型将用户评论情感得分和用户评分进行融合分析,来计算用户对物品真正的兴趣度;运用向量空间对用户情... 推荐领域中已有研究较多的考虑属性维度在评分-物品上来提高算法的准确性,对于用户对产品的真实态度判断不够。论文利用LSTM神经网络模型将用户评论情感得分和用户评分进行融合分析,来计算用户对物品真正的兴趣度;运用向量空间对用户情感进行三分类,借鉴经济学中基尼系数的思想,引入惩罚因子通过对热门物品进行调节,发挥系统的长尾能力从而增加推荐结果的覆盖率,从而实现对热门物品和冷门物品被推荐程度的均衡优化。最后,对情感系数和惩罚系数参数的取值进行实验,得出最优模型参数组合,结果表明,评论的情感因素和惩罚系数对于构建性能更优的推荐模型效果明显,该模型在推荐的准确率和覆盖率上相较其他主流模型更加符合用户需求。 展开更多

关键词 个性化推荐 长尾物品 评论挖掘 情感分析 lstm网络模型

在线阅读 下载PDF 职称材料

基于区块链的城轨客流预测方法

14

作者 陈园园 《武汉理工大学学报（交通科学与工程版）》 2022年第4期614-618,共5页

由于缺乏有效的激励和信任,不同城市轨道交通运营商的数据无法直接共享.文中提出了激励机制,鼓励运营商共享数据.建立了一种基于区块链的分布式联合学习模型,采用分布式长短期记忆网络作为客流预测的学习模型.仿真结果证明了文中所提短... 由于缺乏有效的激励和信任,不同城市轨道交通运营商的数据无法直接共享.文中提出了激励机制,鼓励运营商共享数据.建立了一种基于区块链的分布式联合学习模型,采用分布式长短期记忆网络作为客流预测的学习模型.仿真结果证明了文中所提短期客流预测模型的有效性和准确性. 展开更多

关键词 城轨交通 激励机制 lstm网络模型 区块链

在线阅读 下载PDF 职称材料