检索结果-维普期刊中文期刊服务平台

基于PSO-LSTM的碳纤维增强聚合物铣削能耗预测: 1; 作者张华张福童 +1 位作者鄢威江志刚《组合机床与自动化加工技术》北大核心 2025年第4期52-57,65,共7页; 碳纤维增强聚合物(CFRP)应用日益广泛,但由于材料的各向异性、高刚度、高比强度等特性使得其二次加工能耗影响因素较多,难以实现准确的预测。针对上述问题,提出了一种基于PSO-LSTM的CFRP铣削能耗预测方法。首先,基于正交试验方法设计了... 展开更多; 关键词 CFRP 铣削 ps0-LSTM 能耗预测; 在线阅读下载PDF 职称材料

基于PSO的BP神经网络-Markov船舶交通流量预测模型被引量：21: 2; 作者范庆波江福才 +1 位作者马全党马勇《上海海事大学学报》北大核心 2018年第2期22-27,54,共7页; 为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥... 展开更多; 关键词船舶交通流量预测 BP神经网络马尔科夫模型(Markov模型) 粒子群优化(ps0); 在线阅读下载PDF 职称材料

隧道洞口边坡变形的多阶段递进预测研究被引量：3: 3; 作者蒋桂梅李常茂任庆国《隧道建设（中英文）》北大核心 2018年第10期1660-1666,共7页; 为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形... 展开更多; 关键词隧道边坡变形预测 ps0-lssvm预测 ARMA预测 MC误差修正; 在线阅读下载PDF 职称材料

基于粒子群优化支持向量机神经网络的弹丸落点预报被引量：5: 4; 作者马焱赵捍东黄鑫《探测与控制学报》 CSCD 北大核心 2017年第2期124-128,共5页; 针对目前弹丸落点预报方法预报时间较长和精度不高的问题,提出了基于粒子群(PSO)优化的支持向量机(SVM)神经网络预测方法。该方法采用PSO优化算法优化SVM训练参数,以获得最优SVM神经网络落点预测模型。在此基础上,使用卡尔曼滤波处理外... 展开更多; 关键词神经网络 ps0算法 SVM 落点预测; 在线阅读下载PDF 职称材料

题名基于PSO-LSTM的碳纤维增强聚合物铣削能耗预测: 1; 作者张华张福童鄢威江志刚; 机构武汉科技大学绿色制造工程研究院武汉科技大学机械传动与制造工程湖北省重点实验室武汉科技大学汽车与交通工程学院; 出处《组合机床与自动化加工技术》北大核心 2025年第4期52-57,65,共7页; 基金国家自然科学基金项目(52375508,51975432,52075396) 武汉科技大学“十四五”湖北省优势特色学科(群)项目(2023B0405)。; 文摘碳纤维增强聚合物(CFRP)应用日益广泛,但由于材料的各向异性、高刚度、高比强度等特性使得其二次加工能耗影响因素较多,难以实现准确的预测。针对上述问题,提出了一种基于PSO-LSTM的CFRP铣削能耗预测方法。首先,基于正交试验方法设计了在不同进给量和切削速度下纤维取向为0°、30°、45°、75°的CFRP铣削实验,分析了不同加工参数对能耗的影响;构建了基于粒子群优化长短期记忆神经网络(PSO-LSTM)的预测模型,实现了CFRP铣削能耗的准确预测;最后,对所提模型和方法进行验证,相比于其他算法,所提方法通过性能评价指标MAE为1.972 82、R^(2)为0.998 72,RMSE=2.594 12,验证了该模型的有效性和优越性。; 关键词 CFRP 铣削 ps0-LSTM 能耗预测; Keywords CFRP milling psO-LSTM energy consumption prediction; 分类号 TH161 [机械工程—机械制造及自动化] TG54 [金属学及工艺—金属切削加工及机床]; 在线阅读下载PDF 职称材料

题名基于PSO的BP神经网络-Markov船舶交通流量预测模型被引量：21: 2; 作者范庆波江福才马全党马勇; 机构武汉理工大学航运学院武汉理工大学内河航运技术湖北省重点实验室; 出处《上海海事大学学报》北大核心 2018年第2期22-27,54,共7页; 基金国家自然科学基金(51579202, 51309186); 文摘为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。; 关键词船舶交通流量预测 BP神经网络马尔科夫模型(Markov模型) 粒子群优化(ps0); Keywords ship traffic flow prediction BP neural network Markov model particle swarm optimization （psO）; 分类号 U691 [交通运输工程—港口、海岸及近海工程] O211.62 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名隧道洞口边坡变形的多阶段递进预测研究被引量：3: 3; 作者蒋桂梅李常茂任庆国; 机构陕西铁路工程职业技术学院; 出处《隧道建设（中英文）》北大核心 2018年第10期1660-1666,共7页; 文摘为及时掌握隧道洞口边坡的变形规律,保证隧道进洞过程的安全,采用小波变换剔除变形序列中的误差信息,将原始序列分解为趋势项和误差项序列,并采用PSO-LSSVM模型和ARMA模型分别对趋势项和误差项进行预测,将两者叠加即得到边坡的综合变形预测值,再利用马尔科夫链建立预测误差的修正模型,进一步提高预测精度。对预测模型进行实例分析,结果表明:sym9小波函数、启发式阈值标准、硬阈值选取标准及10层小波分解的去噪效果较优,且通过综合预测,得到边坡变形预测结果的相对误差均值为1. 03%,方差值为0. 042 6,预测精度和稳定性较高,验证了预测模型的有效性。; 关键词隧道边坡变形预测 ps0-lssvm预测 ARMA预测 MC误差修正; Keywords tunnel slope deformation prediction ps0-lssvm prediction ARMA prediction MC eror correction; 分类号 U45 [建筑科学—桥梁与隧道工程]; 在线阅读下载PDF 职称材料

题名基于粒子群优化支持向量机神经网络的弹丸落点预报被引量：5: 4; 作者马焱赵捍东黄鑫; 机构中北大学机电工程学院; 出处《探测与控制学报》 CSCD 北大核心 2017年第2期124-128,共5页; 文摘针对目前弹丸落点预报方法预报时间较长和精度不高的问题,提出了基于粒子群(PSO)优化的支持向量机(SVM)神经网络预测方法。该方法采用PSO优化算法优化SVM训练参数,以获得最优SVM神经网络落点预测模型。在此基础上,使用卡尔曼滤波处理外弹道数据形成神经网络训练数据,进行落点预报仿真测试。仿真结果表明,射程最大误差为7.371m,横偏最大误差为0.886m;落点预报时间在35ms之内,比数值积分法快了一个数量级,为弹丸落点预报的实际应用提供了一种途径。; 关键词神经网络 ps0算法 SVM 落点预测; Keywords neural network particle swarm optimization algorithm support vector machine impact-point prediction.; 分类号 K875.8 [历史地理—考古学及博物馆学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于PSO-LSTM的碳纤维增强聚合物铣削能耗预测	张华张福童鄢威江志刚	《组合机床与自动化加工技术》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于PSO的BP神经网络-Markov船舶交通流量预测模型	范庆波江福才马全党马勇	《上海海事大学学报》北大核心	2018	21	在线阅读下载PDF 职称材料
3	隧道洞口边坡变形的多阶段递进预测研究	蒋桂梅李常茂任庆国	《隧道建设（中英文）》北大核心	2018	3	在线阅读下载PDF 职称材料
4	基于粒子群优化支持向量机神经网络的弹丸落点预报	马焱赵捍东黄鑫	《探测与控制学报》 CSCD 北大核心	2017	5	在线阅读下载PDF 职称材料