期刊文献+
共找到286篇文章
< 1 2 15 >
每页显示 20 50 100
时空序列深度学习模型在玉米产量预测中的应用与优化
1
作者 詹火木 周蕊 虞豹 《当代农机》 2025年第10期96-97,共2页
聚焦于时空序列深度学习模型的研究,又把该模型应用于玉米产量预测并实施了优化,开发一个包含卷积长短期记忆网络、图神经网络、注意力机制的模型框架,以达成区域产量的预判、空间依赖的捕获、关键时间特征的抽取,采用多尺度特征融合途... 聚焦于时空序列深度学习模型的研究,又把该模型应用于玉米产量预测并实施了优化,开发一个包含卷积长短期记忆网络、图神经网络、注意力机制的模型框架,以达成区域产量的预判、空间依赖的捕获、关键时间特征的抽取,采用多尺度特征融合途径,通过迁移学习及不确定性量化等方法,显著提高了模型预测精度,缓和了数据稀疏状况,提升了模型的可靠水平。研究结论为玉米产量的精准预测提供了技术保障,对农业生产决策优化有重要的指导性意义。 展开更多
关键词 时空序列深度学习模型 玉米产量 预测 卷积长短期记忆网络
在线阅读 下载PDF
基于水动力模型和深度学习的缺资料河段水位预测研究 被引量:1
2
作者 苑峻华 李雪 +1 位作者 韩会明 刘杨 《水电能源科学》 北大核心 2025年第6期29-32,61,共5页
河流水位预测对于河流防洪、灌溉、航运等功能的发挥具有重要意义,目前水位预测主要针对有实测数据的监测站点处,对于无监测站点缺资料河段的有效水位预测方法还有待进一步研究。为此,提出了一种融合水动力模型和深度学习的缺资料河段... 河流水位预测对于河流防洪、灌溉、航运等功能的发挥具有重要意义,目前水位预测主要针对有实测数据的监测站点处,对于无监测站点缺资料河段的有效水位预测方法还有待进一步研究。为此,提出了一种融合水动力模型和深度学习的缺资料河段水位预测方法,通过水动力模型获得无站点处的水位变化过程,并采用水动力模型的模拟水位数据结合上游水文水位站数据,构造了不同模型输入下的深度学习模型训练数据集,比较了不同模型输入对深度学习模型在未来1~3d的水位预测效果影响。对长江中游宜昌至沙市段的模型试验结果表明,水动力模型模拟的河段无站点处的水位变化过程精度较高,基于水动力模型模拟水位数据进行深度学习模型的训练后,其水位预测精度与基于实测数据训练的水位预测精度相似,待预测站点——枝城站未来1d水位预测结果的纳什系数NNSE和均方根误差RRMSE分别为0.9779和0.3560m,整体处于较优精度;在训练集中加入上游水文水位站数据后,模型预测精度得到了进一步提升,枝城站未来1d水位预测结果的NNSE和RRMSE分别达0.9804和0.3273m。研究方法能够为无站点河段的水资源管理与利用提供一定的参考。 展开更多
关键词 水动力模型 深度学习 缺资料河段 水位预测
在线阅读 下载PDF
基于灰色关联分析下深度学习盾构姿态预测模型
3
作者 满轲 柳宗旭 +3 位作者 商艳 宋志飞 刘晓丽 苏宝 《工程科学与技术》 北大核心 2025年第2期203-213,共11页
为解决盾构姿态偏离隧道设计轴线的问题,提出一种基于长短期记忆(LSTM)与支持向量回归(SVR)的堆叠集成预测模型。利用灰色关联分析将灰色关联度较低的滚动角参数剔除后通过离散小波转换(DWT)去噪处理,将处理后的数据分别进行两个单一模... 为解决盾构姿态偏离隧道设计轴线的问题,提出一种基于长短期记忆(LSTM)与支持向量回归(SVR)的堆叠集成预测模型。利用灰色关联分析将灰色关联度较低的滚动角参数剔除后通过离散小波转换(DWT)去噪处理,将处理后的数据分别进行两个单一模型预测后进行最优赋权得到DWT-LSTM-SVR堆叠预测模型。其中,将刀盘水平位移、盾尾水平位移、刀盘垂直位移和盾尾垂直位移作为预测模型的输出变量,其余22个掘进参数和5个地层参数为输入变量,并将DWT-LSTM-SVR模型应用于珠江三角洲水资源配置工程A3标段。结果表明:DWT-LSTM-SVR模型的4个盾构姿态参数预测值与真实值误差与其他模型相比较小,说明该模型可以有效结合单一模型,且在剔除与4个盾构姿态参数关联度较低的参数后可以提高模型预测精度;DWT-LSTM-SVR模型的评价指标均满足施工误差要求,其中,对于盾尾位移值的预测效果较好,平均绝对百分比误差约为0.02,拟合度R 2值均高于0.98,说明DWT-LSTM-SVR模型可以满足模型设计要求。通过建立不同数据集分析数据数量对堆叠模型预测精度的敏感性,结果表明数据越多堆叠模型预测精度越高,可为其他盾构姿态的提前调整提供一定参考。 展开更多
关键词 盾构姿态 灰色关联度 深度学习 堆叠集成预测模型 误差预测
在线阅读 下载PDF
基于Transformer构建处理非线性纵向测量数据的深度学习预测模型
4
作者 祖昊 龚亚涵 +2 位作者 王晨旭 张驰 刘佳 《中国卫生统计》 北大核心 2025年第3期409-413,共5页
目的针对多次测量的纵向非线性数据建立基于Transformer的深度学习预测模型。方法首先建立基于Transformer模型的深度学习方案,引入个人识别码作为随机效应因子并基于词嵌入的原理提出伴生编码机制,处理多次测量的非线性时序问题。随后... 目的针对多次测量的纵向非线性数据建立基于Transformer的深度学习预测模型。方法首先建立基于Transformer模型的深度学习方案,引入个人识别码作为随机效应因子并基于词嵌入的原理提出伴生编码机制,处理多次测量的非线性时序问题。随后考虑了两种数据结构,即带有随机效应假设的线性与非线性的模拟数据,将基于Transformer的深度学习预测模型与传统的广义估计方程(generalized estimating equation,GEE)、人工神经网络方法(artificial neural network,ANN)构建的预测模型进行对比测试。应用阿尔茨海默病神经影像学计划研究(Alzheimer′s disease neuroimaging initiative,ADNI)数据进行了实例研究,探究认知功能预测模型的建立策略。结果在线性与非线性的模拟数据中,该模型在模拟数据测试中均方误差(mean squared error,MSE)与平均绝对误差(mean absolute error,MAE)均远低于GEE和ANN方法。在ADNI数据中检验结果为:训练集的MSE值为0.0391,测试集的MSE值为1.1835,表现稳定。结论基于Transformer的深度学习预测模型在模拟数据中拟合能力与稳定性在三者中表现最优,在实际应用中表现良好。 展开更多
关键词 纵向非线性数据 深度学习 预测模型 随机效应
在线阅读 下载PDF
基于深度学习的大坝边坡深部变形时空预测模型研究
5
作者 周小燕 李双平 +5 位作者 冉鲁光 苏振 张斌 刘祖强 苏森南 史波 《中国农村水利水电》 北大核心 2025年第7期182-187,195,共7页
大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基... 大坝边坡大变形或滑坡严重威胁库区长久运行安全。主流传统边坡变形预测模型未能充分考虑变形的时间和空间特征。引入Transformer、时空图卷积神经网络(STGCN)、时序卷积网络(TCN)和图卷积神经网络(GCN)四种代表性深度学习方法,提出基于深度学习模型的边坡测斜孔变形时空预测方法。利用某水电边坡测斜孔变形监测数据,对监测数据展开系统性分析。预测结果表明,GCN、TCN、STGCN和Transformer四种模型均适用于边坡时空预测,其中TCN模型相较于其他3种时空预测模型展现出了更高的预测精度和可靠性,评估指标MAE、MSE、RMSE、MAPE和R2分别为1.007、2.2082、1.486、102.40%和0.9884。此外,4个模型的不同日期的预测结果与实测值的误差分布在0~4 mm之间,验证了4个模型在边坡测斜孔变形时空预测的准确性和有效性。研究结果为库区边坡变形时空短期预测提供了新思路。 展开更多
关键词 深度学习 大坝边坡变形 时空预测模型 时序卷积网络模型
在线阅读 下载PDF
基于深度学习的环太湖河流气象水质协同预测模型研究
6
作者 许睿亭 姜翠玲 +1 位作者 孙磊 冯亚坤 《水利水电技术(中英文)》 北大核心 2025年第7期228-238,共11页
【目的】为优化水质监测与预警系统,促进河流生态环境的可持续发展。【方法】研究根据环太湖19个水质监测站点2021—2023年逐日水质监测数据和7个气象站的逐日气象资料,采用综合水质指数法(WQI)对水质状况进行定量评价,通过克里金插值... 【目的】为优化水质监测与预警系统,促进河流生态环境的可持续发展。【方法】研究根据环太湖19个水质监测站点2021—2023年逐日水质监测数据和7个气象站的逐日气象资料,采用综合水质指数法(WQI)对水质状况进行定量评价,通过克里金插值法获得与水质监测站点空间相位一致的气象数据,综合考虑气象要素对水质要素的影响机理和Spearman相关分析结果筛选输入的气象数据。采用长短期记忆网络(LSTM)、门控循环单元(GRU)、反向传播网络(BP)方法以及并行的GRU-LSTM模型对综合水质指数WQI进行预测。【结果】结果表明,水质预测模型中,模型精度受输入步长的影响,步长14 d的并行的GRU-LSTM模型表现最佳,预测精度为R^(2)=0.98。【结论】研究成果采用的深度学习模型为河流水质的长期监测和预测提供了一种新的技术路径,结合气象数据的水质预测能够在实际应用中帮助相关部门提前预警水质变化,优化水资源的调度与治理策略,提高水环境的可持续管理能力。 展开更多
关键词 气象水质协同预测模型 深度学习 综合水质指数法 河流水质 影响因素
在线阅读 下载PDF
基于深度学习的城市内涝积水水深预测模型 被引量:1
7
作者 林凯荣 欧阳佳娜 +2 位作者 马旭民 肖名忠 冯星昱 《水资源保护》 北大核心 2025年第1期56-63,共8页
为提高城市内涝模拟计算效率,满足城市内涝预警时效性的要求,利用深度学习方法优势,基于传统水文水动力学模型的模拟结果,以坡度、高程、降水量等城市暴雨内涝致灾链条发展的关键驱动因子作为输入,结合卷积神经网络(CNN)和长短期记忆网... 为提高城市内涝模拟计算效率,满足城市内涝预警时效性的要求,利用深度学习方法优势,基于传统水文水动力学模型的模拟结果,以坡度、高程、降水量等城市暴雨内涝致灾链条发展的关键驱动因子作为输入,结合卷积神经网络(CNN)和长短期记忆网络(LSTM),引入注意力机制(ATT),并使用麻雀搜索优化算法进行超参数优选,构建了城市内涝积水水深预测的CNN-LSTM-ATT模型。利用该模型对深圳市大空港新城区内涝积水水深进行预测,结果表明:CNN-LSTM-ATT模型能有效预测暴雨引起的城市内涝积水水深,其在未来30 min内的预测水深与水文水动力学模型模拟结果相近,模型精度在延长预见期后略有下降;与水文水动力学模型相比,CNN-LSTM-ATT模型模拟效率提高近200倍。 展开更多
关键词 城市内涝 水文水动力学模型 深度学习方法 水深预测 深圳市
在线阅读 下载PDF
基于深度学习的我国水平和竖向地震动预测模型开发研究
8
作者 何维 王晓磊 +4 位作者 王子康 赵紫旭 刘佳慧 李宇鹏 阎卫东 《世界地震工程》 北大核心 2025年第4期13-29,共17页
地震动预测模型是地震危险性分析等研究的重要基础,目前对于中国竖向地震动预测模型研究相对较少,同时,现有地震动预测模型大多采用参数化方程形式,其预测精度可能有限。因此,建立具有更高预测精度与可靠性的中国水平和竖向地震动预测... 地震动预测模型是地震危险性分析等研究的重要基础,目前对于中国竖向地震动预测模型研究相对较少,同时,现有地震动预测模型大多采用参数化方程形式,其预测精度可能有限。因此,建立具有更高预测精度与可靠性的中国水平和竖向地震动预测模型是需要进一步深入研究的内容。为解决上述问题,首先以筛选出的1 991组中国水平和竖向地震动序列为基础,选用Butterworth非因果滤波方法对中国地震动滤波进行降噪处理;然后基于深度学习方法开发了中国水平和竖向地震动预测模型(CHV-DNN),并对其进行了模型性能、物理特征以及事件内和事件间残差分析等方面的全面评估;最后给出了中国水平和竖向地震动谱型相关系数模型。研究结果表明:CHV-DNN模型事件间残差大部分集中在[-1,1]范围内,事件内残差大部分集中在[-1.5,1.5]范围内,事件内和事件间残差均在残差为0基准线两侧均匀分布,验证了模型的可靠性与准确性;CHV-DNN模型不仅具有较高的预测精度,同时还具有良好的物理特征;基于CHV-DNN计算的相关系数模型较为合理。本研究开发的中国水平和竖向地震动预测模型,将为中国水平和竖向地震危险性分析等研究提供研究基础。 展开更多
关键词 地震动预测模型 水平和竖向地震动 深度学习 残差分析 中国地震动
在线阅读 下载PDF
T5MHCⅡ:基于深度学习的MHC-Ⅱ类蛋白质与多肽的亲和力预测模型
9
作者 高正 高向东 +1 位作者 姚文兵 田浤 《中国药科大学学报》 北大核心 2025年第3期368-375,共8页
为解决抗原肽与特定MHC-Ⅱ类分子的结合亲和力预测模型性能较低,无法满足临床需求的现状,提出一种基于深度学习的MHC-Ⅱ类分子与多肽亲和力的预测模型T5MHCⅡ。该模型通过迁移学习的方法,利用蛋白质语言模型ProtT5已学习到的知识对氨基... 为解决抗原肽与特定MHC-Ⅱ类分子的结合亲和力预测模型性能较低,无法满足临床需求的现状,提出一种基于深度学习的MHC-Ⅱ类分子与多肽亲和力的预测模型T5MHCⅡ。该模型通过迁移学习的方法,利用蛋白质语言模型ProtT5已学习到的知识对氨基酸序列进行特征提取,生成高质量的表征,并结合深度学习强大的学习能力,得到具有良好预测性能的新模型。五折交叉验证结果受试者工作特征曲线下的面积(AUC)为0.893±0.003,皮尔逊相关系数(PCC)为0.780±0.006,与NetMHCⅡpan-3.2、PUFFIN、DeepMHCⅡ和RPEMH相比性能更好;分子留一验证也展示了模型具有更好的泛化能力,该研究为使用深度学习方法在数据有限的情况下更准确地预测肽-MHCⅡ的亲和力提供了新的方法。 展开更多
关键词 主要组织相容性复合体 亲和力预测 深度学习 蛋白质语言模型
在线阅读 下载PDF
农产品市场监测预警深度学习智能预测方法 被引量:1
10
作者 许世卫 李乾川 +3 位作者 栾汝朋 庄家煜 刘佳佳 熊露 《智慧农业(中英文)》 2025年第1期57-69,共13页
[目的/意义]农产品供给、消费和价格的变化直接影响市场监测和预警。随着中国农业生产方式和市场体系的转型,数据获取技术的进步使得农业数据呈现爆炸式增长。然而,农产品多品种的联动监测和预测仍面临数据复杂、模型狭窄、应变能力弱... [目的/意义]农产品供给、消费和价格的变化直接影响市场监测和预警。随着中国农业生产方式和市场体系的转型,数据获取技术的进步使得农业数据呈现爆炸式增长。然而,农产品多品种的联动监测和预测仍面临数据复杂、模型狭窄、应变能力弱等挑战。因此,亟需构建适应中国农业数据特点的深度学习模型,以提升农产品市场的监测与预警能力,推动精准决策和应急响应。[方法]本研究应用深度学习方法,从中国多维农业数据资源实际出发,创新提出了一套不同监测预警对象条件下深度学习综合预测方法,构建了生成对抗与残差网络协同生产量模型(Generative Adversarial Network and Residual Network, GAN-ResNet)、变分自编码器岭回归消费预测模型(Variational Autoencoder and Ridge Regression, VAE-Ridge)、自适应变换器价格预测模型(Adaptive-Transformer)。为适应实际需求,研究在CAMES中采用“离线计算与可视化分离”策略,模型推理离线完成,平衡了计算复杂度与实时预警需求。[结果和讨论]深度学习综合预测方法在玉米单产、生猪消费量和番茄市场价格的预测上,均表现出显著的精度提升。GAN-ResNet生产量预测模型进行县级尺度玉米单产预测的平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)为6.58%,运用VAE-Ridge模型分析生猪消费量的MAPE为6.28%,运用Adaptive-Transformer模型预测番茄价格的MAPE为2.25%。[结论]该研究提出的深度学习综合预测方法,具有较先进的单品种、多场景、宽条件下的农产品市场监测预警分析能力,并在处理不同区域多维数据、多品种替代、市场季节性波动等分析方面显示出优良的指标性能,可为中国农产品市场监测预警提供一套新的有效分析方法。 展开更多
关键词 监测预警 深度学习 生产量预测 消费量预测 价格预测 生成对抗与残差网络协同生产量模型 变分自编码器岭回归消费预测模型 自适应变换器价格预测模型
在线阅读 下载PDF
基于深度学习贝叶斯模型平均代理的油藏自动历史拟合研究
11
作者 张凯 陈旭 +3 位作者 刘丕养 张金鼎 张黎明 姚军 《钻采工艺》 北大核心 2025年第1期147-156,共10页
油藏自动历史拟合过程中,需要频繁调用数值模拟器进行正向计算,导致计算时间长、资源消耗大。基于深度学习的油藏数值模拟代理模型提供了一种快速计算油水井生产动态的替代方案。然而,单一神经网络产量预测代理模型在特征提取和学习能... 油藏自动历史拟合过程中,需要频繁调用数值模拟器进行正向计算,导致计算时间长、资源消耗大。基于深度学习的油藏数值模拟代理模型提供了一种快速计算油水井生产动态的替代方案。然而,单一神经网络产量预测代理模型在特征提取和学习能力方面存在局限性。基于空间特征构建的代理模型侧重于学习油藏渗流的空间特性,但忽视了时间维度;基于时空特征构建的模型虽然擅长捕捉时间序列特征,却在空间特征学习方面不足。为此,文章提出了一种基于深度学习的贝叶斯模型平均代理方法,利用贝叶斯模型平均方法对两种深度学习代理模型进行集成,结合二者优势,增强代理模型对油藏特征的多维度学习能力,从而提高预测精度。该方法进一步结合多重数据同化集合平滑器,应用于实际油藏历史拟合中。实验结果表明,基于深度学习贝叶斯模型平均代理的历史拟合方法能够在保证高效计算的同时,准确拟合油藏实际生产动态,为快速、精确的历史拟合提供了一种创新解决方案。 展开更多
关键词 深度学习 历史拟合 产量预测 贝叶斯模型平均方法 集成代理模型
在线阅读 下载PDF
基于深度学习的车辆轨迹预测研究综述
12
作者 刘凯 汪佳琴 李汉涛 《郑州大学学报(工学版)》 北大核心 2025年第5期77-89,共13页
车辆轨迹预测(VTP)是交通技术领域中的重要研究对象。传统VTP方法需要大量特征工程,且难以实时适应复杂变化的环境。深度学习(DL)通过多层神经网络实现高效数据表达,克服了传统方法的局限性。对基于DL的VTP方法进行了综述,探讨了其在VT... 车辆轨迹预测(VTP)是交通技术领域中的重要研究对象。传统VTP方法需要大量特征工程,且难以实时适应复杂变化的环境。深度学习(DL)通过多层神经网络实现高效数据表达,克服了传统方法的局限性。对基于DL的VTP方法进行了综述,探讨了其在VTP中的应用及性能表现。首先,回顾了传统VTP方法和基于DL的VTP方法,介绍了VTP主要考虑的问题和问题的表述;其次,分析并比较了各类VTP方案,包括输入数据、输出结果和预测方法;再次,介绍了常用的评估指标,比较了这些VTP方案的实验结果,分析了VTP的应用,并展示了DL在VTP中表现出的优异性能;最后,展望了VTP未来在数据集、建模和计算效率方面的研究方向,指出车辆交互协同建模、模型的泛化以及多模态融合将是未来的挑战和研究方向。 展开更多
关键词 车辆轨迹预测 深度学习 序列网络 图神经网络 生成模型 网格方法
在线阅读 下载PDF
基于深度学习方法的盾构掘进姿态预测
13
作者 高苏 陈城 《长江科学院院报》 北大核心 2025年第7期181-189,共9页
为保证盾构掘进施工路线尽可能地吻合设计轴线,提高工程施工质量,基于深度学习技术,提出了一种新的盾构姿态WM-CTA预测模型。该模型主要由数据前处理模块(小波变换、最大信息系数)和预测模块(卷积神经网络和注意力机制)2个框架组成,选... 为保证盾构掘进施工路线尽可能地吻合设计轴线,提高工程施工质量,基于深度学习技术,提出了一种新的盾构姿态WM-CTA预测模型。该模型主要由数据前处理模块(小波变换、最大信息系数)和预测模块(卷积神经网络和注意力机制)2个框架组成,选取沈阳某在建盾构隧道某区间的监测数据对模型的预测性能进行验证。首先利用试验对数据进行了降噪和相关性分析,然后分析了模型的预测性能和泛化能力。试验结果表明:经过小波变换处理后的监测曲线更平滑,减少了数据点之间发生突变的频率;通过相关性分析发现盾构施工参数对盾构姿态的影响大于土体参数,可对输入参数维度进行精简;与4种基准模型进行对比发现,提出的WM-CTA预测模型预测效果最好,且计算效率较高,同时还通过试验进一步验证了该模型具有较好的泛化能力,可为以后类似的工程提供参考。 展开更多
关键词 盾构掘进姿态 WM-CTA预测模型 深度学习 降噪 相关性分析 泛化能力
在线阅读 下载PDF
基于GNSS和深度学习融合的水利工程边坡变形预测方法研究 被引量:1
14
作者 宋锦焘 安辰策 +2 位作者 杨杰 马春辉 仝飞 《水资源与水工程学报》 北大核心 2025年第1期129-137,共9页
边坡变形预测是水利工程边坡安全分析的重要研究领域,全球导航卫星系统(GNSS)作为边坡变形监测的重要手段之一,其数据的质量和预测精度对评估边坡的安全性至关重要。针对GNSS数据噪声处理及变形序列高精度预测的问题,提出了一种基于变... 边坡变形预测是水利工程边坡安全分析的重要研究领域,全球导航卫星系统(GNSS)作为边坡变形监测的重要手段之一,其数据的质量和预测精度对评估边坡的安全性至关重要。针对GNSS数据噪声处理及变形序列高精度预测的问题,提出了一种基于变分模态分解(VMD)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(AM)的边坡GNSS变形数据降噪与预测模型。利用VMD对原始变形序列进行滤波降噪处理,有效去除噪声干扰,提高数据质量;采用CNN从经过VMD处理后的序列中提取时变特征,捕捉时间序列中的局部和全局模式;使用BiLSTM模型拟合由CNN提取的时变特征,通过双向捕捉时间序列中的历史和未来信息,输出变形的拟合值。为了优化深度学习网络的重要参数,引入模拟退火(SA)算法进行最优分析,从而提升模型的整体性能和预测精度;BiLSTM输出的结果通过AM全连接层,结合注意力机制进一步提高预测结果的准确性,最终得到预测值。将该融合模型应用于某水利工程边坡的GNSS监测数据预测,结果表明:与经典深度学习组合模型相比,提出的融合模型在3个方向(h、x、y)上的预测精度分别平均提升了63.92%、62.06%和89.10%,为水利工程边坡GNSS监测数据分析提供了新的建模方法。 展开更多
关键词 边坡变形 预测模型 GNSS 时序预测 深度学习
在线阅读 下载PDF
基于集成学习的ARIMA-LSTM模型在棉粕价格预测中的应用 被引量:1
15
作者 吴展 王春晓 《饲料研究》 北大核心 2025年第2期227-231,共5页
准确预测棉粕价格对于稳定畜产品供给、促进饲料加工业可持续发展以及保障国家粮食安全至关重要。研究旨在基于长短期记忆神经网络(LSTM)的深度学习机制,构建棉粕价格预测模型。首先利用差分自回归移动平均(ARIMA)模型预测时间序列数据... 准确预测棉粕价格对于稳定畜产品供给、促进饲料加工业可持续发展以及保障国家粮食安全至关重要。研究旨在基于长短期记忆神经网络(LSTM)的深度学习机制,构建棉粕价格预测模型。首先利用差分自回归移动平均(ARIMA)模型预测时间序列数据中线性变化,并应用LSTM算法估计棉粕价格序列的非线性效应。运用集成学习极限梯度提升(XGBoost)算法来确定残差序列滞后长度作为LSTM模型中的输入节点。最后,将拟合的线性和非线性变化之和作为ARIMA-LSTM组合模型的最终预测值。研究表明,基于XGBoost的ARIMA-LSTM混合模型优于单一的ARIMA时间序列预测模型,具有良好的预测性能。 展开更多
关键词 深度学习 棉粕价格预测 集成学习 ARIMA模型 XGBoost算法
在线阅读 下载PDF
基于深度学习的气象预报模型研究综述 被引量:1
16
作者 王嫄 霍鹏 +3 位作者 韩毅 陈暾 汪祥 温辉 《计算机科学》 北大核心 2025年第3期112-126,共15页
实时准确的气象预报关乎人民生计、环境生态以及军事决策,受到各界人士的广泛关注和重点研究。数值气象预报是当前的主流预报方法,经过长期发展,其预报精确性和可靠性不断提高,但仍然面临系统误差无法避免、历史观测数据难以利用,以及... 实时准确的气象预报关乎人民生计、环境生态以及军事决策,受到各界人士的广泛关注和重点研究。数值气象预报是当前的主流预报方法,经过长期发展,其预报精确性和可靠性不断提高,但仍然面临系统误差无法避免、历史观测数据难以利用,以及计算开销巨大等重大挑战。随着深度学习技术的快速兴起,数据驱动的人工智能方法逐渐应用于气象预报领域,为应对上述挑战提供了全新技术手段。基于上述背景,文中全面总结了数值气象预报和深度学习气象预报的研究现状,系统梳理了深度学习气象预报模型的相关概念和输入数据,详细阐述了应用于各类气象预报任务的代表性模型,深入对比了不同模型的技术架构和性能指标,并且分析讨论了该领域目前面临的挑战和未来发展的方向,旨在为相关研究提供参考。 展开更多
关键词 气象预测 深度学习 模型 AI4Science
在线阅读 下载PDF
基于在线评论与深度学习的旅游目的地推荐模型 被引量:1
17
作者 谭鸿博 苏甜 +5 位作者 张思盈 荣幸 孙伊琳 矫琪 林知浩 郑天翔 《陕西师范大学学报(自然科学版)》 北大核心 2025年第2期101-113,共13页
近年来,旅游社交媒体平台上的在线评论数据被广泛应用于旅游大数据分析研究中,而在目的地推荐应用方面仍有待深入。使用Python编程语言,通过网络爬虫在携程旅行网上收集了239个中国5A级旅游景区的评论数据,并利用Embedding和BERT等自然... 近年来,旅游社交媒体平台上的在线评论数据被广泛应用于旅游大数据分析研究中,而在目的地推荐应用方面仍有待深入。使用Python编程语言,通过网络爬虫在携程旅行网上收集了239个中国5A级旅游景区的评论数据,并利用Embedding和BERT等自然语言处理和深度学习技术,构建了一个旅游目的地推荐模型;通过收集到的57360条评论数据对模型进行训练和验证,最终在14340条测试数据上得到78%左右的正确率。实验结果表明,借助其他旅游者的切身经历和对旅游目的地的形象感知,可以提高潜在旅游者找到理想目的地的效率,有助于旅游者规划旅游行程的第一步。研究成果扩充了在线评论数据的研究范畴,同时为旅游者在旅游咨询问题上提供了新的解决思路和技术支撑。 展开更多
关键词 目的地推荐 行程规划 在线评论 深度学习 预测模型
在线阅读 下载PDF
基于自适应集成学习的煤矿微震时序预测模型 被引量:1
18
作者 王绍琛 王超 +4 位作者 李士栋 孔震 袁腾飞 周启祥 陆菜平 《采矿与岩层控制工程学报》 北大核心 2025年第4期243-258,共16页
针对煤矿微震时序预测问题,数据驱动的深度学习模型能够有效提取微震数据中的关键特征和规律,从而实现精准预测。然而,由于工况条件随工作面的推进不断变化,这使得微震事件的成因复杂且分布无序,单一预测模型学习局部时序特征的方式难... 针对煤矿微震时序预测问题,数据驱动的深度学习模型能够有效提取微震数据中的关键特征和规律,从而实现精准预测。然而,由于工况条件随工作面的推进不断变化,这使得微震事件的成因复杂且分布无序,单一预测模型学习局部时序特征的方式难以维持稳定而准确的预测效果,且对回采初期无法预测。为提高煤矿微震时序预测的稳定性、完整性和准确性,利用海量微震数据,分析了不同工作面、同一工作面不同开采阶段之间的微震时序特征。通过Adaptive-dickey-fuller(ADF)平稳性检验和波动性分析,明确了事件成因对微震时序特征的显著影响,构建了对应不同事件成因主导下的多种微震时序数据集。利用Blending集成学习算法,结合一维卷积神经网络(1D-CNN)和双向长短期记忆网络(BiLSTM),提出了一种基于自适应集成学习的煤矿微震时序预测模型。依托赵楼煤矿7302工作面微震数据,使用集成模型对微震每日最大能量、平均能量和频次进行预测,并针对每日最大能量进行了详细的对比分析。结果表明:在保证预测完整性的前提下(预测时长为600 d),本文提出的集成模型能够较好地适应事件成因复杂多变、无序分布的实际情况,预测结果与实际监测值误差较小,各参量拟合优度计算结果均在0.8以上。研究成果可为煤矿微震时序预测提供新思路和借鉴。 展开更多
关键词 冲击地压 微震时序预测 深度学习 自适应集成模型 模态分解
在线阅读 下载PDF
基于深度神经网络的竖向地震动加速度反应谱预测模型
19
作者 高铭宇 公茂盛 +3 位作者 左占宣 贾佳 刘博 王晓敏 《世界地震工程》 北大核心 2025年第4期106-117,共12页
竖向地震动对工程结构地震响应有重要影响,发展可靠的竖向地震动预测模型是地震工程领域的一项重要课题。传统的地震动预测主要基于实际强震动记录,采用最小二乘回归方式得到地震动参数预测模型,但是传统最小二乘回归通常假设变量之间... 竖向地震动对工程结构地震响应有重要影响,发展可靠的竖向地震动预测模型是地震工程领域的一项重要课题。传统的地震动预测主要基于实际强震动记录,采用最小二乘回归方式得到地震动参数预测模型,但是传统最小二乘回归通常假设变量之间是线性关系或预设的函数形式,这可能无法完全捕捉地震数据中复杂的非线性关系,而深度学习模型能够从数据中学习规律并对复杂的数据分布提供更高的预测精度。因此通过深度学习方法,基于NGA-West2数据库选取了9 953条竖向地震动记录,然后计算反应谱并进行模型训练与预测,建立了Self-DNN竖向地震动反应谱预测模型,并与传统预测模型以及DNN神经网络模型进行了对比。结果表明,本文基于深度学习算法建立的竖向地震动反应谱预测模型具有较好的可靠性和准确性,可以取得良好的预测效果。研究结果可以为竖向地震动反应谱预测和结构抗震设计等工作提供参考。 展开更多
关键词 竖向地震动 地震动反应谱 神经网络 深度学习 预测模型
在线阅读 下载PDF
基于可解释多源数据特征融合的深度学习集合径流预测
20
作者 丁诚 王兆才 +1 位作者 丁伟杰 程和琴 《水科学进展》 北大核心 2025年第4期581-595,共15页
准确的径流预测是水资源管理与洪涝预警的核心,但径流过程的高度非线性给传统模型带来了挑战,且存在时空特征融合不足与可解释性欠缺等问题。本文融合遥感、气象等24类多源异构数据,综合考量人类活动与气候变化的影响,构建高精度、可解... 准确的径流预测是水资源管理与洪涝预警的核心,但径流过程的高度非线性给传统模型带来了挑战,且存在时空特征融合不足与可解释性欠缺等问题。本文融合遥感、气象等24类多源异构数据,综合考量人类活动与气候变化的影响,构建高精度、可解释的Transformer-KAN-LEC(TKL)深度学习集合径流预测模型。以嘉陵江流域11个站点的日径流预测为例开展研究,结果表明:TKL模型纳什效率系数均大于0.95,均方根误差较传统模型降低40%~80%,区间预测与极端事件预测性能均优于传统模型;可解释性分析显示,上游径流量、降水累积效应为关键影响因子。本文提出的“数据-模型-解释”系统性框架可为大流域水资源管理与洪涝预警提供支持。 展开更多
关键词 径流预测 深度学习集合模型 时空特征融合 区间预测 注意力机制
在线阅读 下载PDF
上一页 1 2 15 下一页 到第
使用帮助 返回顶部