期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SMA-CNN-GRU-Attention组合模型的矿区地表三维形变预测
1
作者
彭毅博
杨维芳
+3 位作者
闫香蓉
高墨通
侯宇豪
张德龙
《测绘通报》
北大核心
2025年第3期8-14,20,共8页
矿区地表形变监测与预测研究对于矿区安全生产与灾害防治预警具有重要意义。现有研究偏向于对地面垂直沉降的监测与预测,对三维方向形变预测研究较少。针对以上问题,本文基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术对金川矿区西...
矿区地表形变监测与预测研究对于矿区安全生产与灾害防治预警具有重要意义。现有研究偏向于对地面垂直沉降的监测与预测,对三维方向形变预测研究较少。针对以上问题,本文基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术对金川矿区西二采区进行多轨道数据地表形变监测,并提出一种加入黏菌优化算法(SMA)的SMA-CNN-GRU-Attention组合网络模型,利用该模型对该区域地表三维形变进行预测研究。结果表明,加入SMA进行最优参数求解后,垂直向预测结果的平均绝对误差(MAE)与均方根误差(RMSE)较CNN-GRU网络模型分别降低30%和46%;南北向预测结果的MAE与RMSE分别降低37%、39%;东西向预测结果的精度提升较小,MAE、RMSE分别降低6%和10%。SMA算法不仅可以加快模型最优参数选取效率,还能较大程度地提升CNN-GRU-Attention模型预测性能。SMA-CNN-GRU-Attention多特征输入预测模型相较其他预测模型具有优越性,为地表三维形变预测研究提供了一种有效方法。
展开更多
关键词
SBAS-InSAR
形变监测
三维形变预测
sma优化算法
组合模型
在线阅读
下载PDF
职称材料
融合随机反向学习的黏菌与算术混合优化算法
被引量：
41
2
作者
贾鹤鸣
刘宇翔
+2 位作者
刘庆鑫
王爽
郑荣
《计算机科学与探索》
CSCD
北大核心
2022年第5期1182-1192,共11页
黏菌优化算法(SMA)和算术优化算法(AOA)是最近提出的新型元启发式优化算法。SMA算法具有较强的全局探索能力,但迭代后期振荡作用较弱,易陷入局部最优,且收缩机制不强,导致收敛速度慢。AOA算法利用乘除算子进行位置更新,随机性强,具有较...
黏菌优化算法(SMA)和算术优化算法(AOA)是最近提出的新型元启发式优化算法。SMA算法具有较强的全局探索能力,但迭代后期振荡作用较弱,易陷入局部最优,且收缩机制不强,导致收敛速度慢。AOA算法利用乘除算子进行位置更新,随机性强,具有较好的避免早熟收敛能力。针对上述问题,将两种算法结合并利用随机反向学习策略提高收敛速度,提出一种性能优越且高效的融合随机反向学习策略的黏菌与算术混合优化算法(HSMAAOA)。改进算法保留了SMA全局探索部分位置更新公式,局部开发阶段将乘除算子替换SMA收缩机制,提高算法随机性与跳出局部极值的能力。此外,通过随机反向学习策略增强改进算法种群多样性,提高收敛速度。实验结果表明,HSMAAOA算法具有良好的鲁棒性以及寻优精度,且明显提升了收敛速度。最后,通过焊接梁设计问题与压力容器设计问题,验证了HSMAAOA在工程问题上的适用性与有效性。
展开更多
关键词
黏菌
优化
算法
(
sma
)
算术
优化
算法
(AOA)
混合
优化
随机反向学习
在线阅读
下载PDF
职称材料
SMA-LSTM模型在径流预报中的适用性研究
被引量：
8
3
作者
李佳
曲田
+2 位作者
牟时宇
陶思铭
胡义明
《水文》
CSCD
北大核心
2023年第1期47-51,56,共6页
径流预报对于防洪、发电和生态调度等具有重要意义。以大渡河丹巴以上流域为研究区域,采用黏菌优化算法(SMA)对长短期记忆神经网络(LSTM)的隐藏层输出维度进行优化,构建SMA-LST M模型对未来10日径流过程进行预报,以探讨深度学习方法对...
径流预报对于防洪、发电和生态调度等具有重要意义。以大渡河丹巴以上流域为研究区域,采用黏菌优化算法(SMA)对长短期记忆神经网络(LSTM)的隐藏层输出维度进行优化,构建SMA-LST M模型对未来10日径流过程进行预报,以探讨深度学习方法对流域径流预报的适用性。基于2012-2017年的日降雨量和日流量资料,构建了预见期为10天的逐日径流SMA-LSTM预报模型,以2018-2019年的资料进行模型验证;采用最大1日径流量相对误差和10日总径流量相对误差作为SMA-LSTM模型精度的评价指标,并与未优化的LSTM模型和新安江模型结果进行对比。结果表明:SMA-LSTM模型具有较高的模拟和预报精度,无论是在率定期还是验证期,两种指标均控制在±10%以内,且两种指标的绝对值平均都不超过7%;整体而言,SMA-LSTM模型精度更高,预报的径流过程与实测过程更为贴近。研究成果可供流域径流预报实际工作参考。
展开更多
关键词
长短期记忆神经网络(LSTM)
黏菌
优化
算法
(
sma
)
径流预报
在线阅读
下载PDF
职称材料
题名
基于SMA-CNN-GRU-Attention组合模型的矿区地表三维形变预测
1
作者
彭毅博
杨维芳
闫香蓉
高墨通
侯宇豪
张德龙
机构
兰州交通大学测绘与地理信息学院
地理国情监测技术应用国家地方联合工程研究中心
甘肃省地理国情监测工程实验室
出处
《测绘通报》
北大核心
2025年第3期8-14,20,共8页
基金
国家自然科学基金(42061076)
兰州交通大学优秀平台支持项目(201806)。
文摘
矿区地表形变监测与预测研究对于矿区安全生产与灾害防治预警具有重要意义。现有研究偏向于对地面垂直沉降的监测与预测,对三维方向形变预测研究较少。针对以上问题,本文基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术对金川矿区西二采区进行多轨道数据地表形变监测,并提出一种加入黏菌优化算法(SMA)的SMA-CNN-GRU-Attention组合网络模型,利用该模型对该区域地表三维形变进行预测研究。结果表明,加入SMA进行最优参数求解后,垂直向预测结果的平均绝对误差(MAE)与均方根误差(RMSE)较CNN-GRU网络模型分别降低30%和46%;南北向预测结果的MAE与RMSE分别降低37%、39%;东西向预测结果的精度提升较小,MAE、RMSE分别降低6%和10%。SMA算法不仅可以加快模型最优参数选取效率,还能较大程度地提升CNN-GRU-Attention模型预测性能。SMA-CNN-GRU-Attention多特征输入预测模型相较其他预测模型具有优越性,为地表三维形变预测研究提供了一种有效方法。
关键词
SBAS-InSAR
形变监测
三维形变预测
sma优化算法
组合模型
Keywords
SBAS-InSAR
deformation monitoring
3D deformation prediction
sma
optimization algorithm
combined models
分类号
P237 [天文地球—摄影测量与遥感]
在线阅读
下载PDF
职称材料
题名
融合随机反向学习的黏菌与算术混合优化算法
被引量：
41
2
作者
贾鹤鸣
刘宇翔
刘庆鑫
王爽
郑荣
机构
三明学院信息工程学院
福州大学物理与信息工程学院
海南大学计算机科学与技术学院
出处
《计算机科学与探索》
CSCD
北大核心
2022年第5期1182-1192,共11页
基金
福建省自然科学基金面上项目(2021J011128)
福建省本科高校教育教学改革研究项目(FBJG20210338)
+4 种基金
三明市科技计划引导性项目(2020-G-61,2021-S-8)
三明学院引进高层次人才科研启动经费支持项目(20YG14)
福建省农业物联网应用重点实验室开放研究基金(ZD2101)
三明学院教育教学改革重点项目(J2010305)
三明学院高教研究课题(SHE2013)。
文摘
黏菌优化算法(SMA)和算术优化算法(AOA)是最近提出的新型元启发式优化算法。SMA算法具有较强的全局探索能力,但迭代后期振荡作用较弱,易陷入局部最优,且收缩机制不强,导致收敛速度慢。AOA算法利用乘除算子进行位置更新,随机性强,具有较好的避免早熟收敛能力。针对上述问题,将两种算法结合并利用随机反向学习策略提高收敛速度,提出一种性能优越且高效的融合随机反向学习策略的黏菌与算术混合优化算法(HSMAAOA)。改进算法保留了SMA全局探索部分位置更新公式,局部开发阶段将乘除算子替换SMA收缩机制,提高算法随机性与跳出局部极值的能力。此外,通过随机反向学习策略增强改进算法种群多样性,提高收敛速度。实验结果表明,HSMAAOA算法具有良好的鲁棒性以及寻优精度,且明显提升了收敛速度。最后,通过焊接梁设计问题与压力容器设计问题,验证了HSMAAOA在工程问题上的适用性与有效性。
关键词
黏菌
优化
算法
(
sma
)
算术
优化
算法
(AOA)
混合
优化
随机反向学习
Keywords
slime mould algorithm(
sma
)
arithmetic optimization algorithm(AOA)
hybrid optimization
random opposition-based learning
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
SMA-LSTM模型在径流预报中的适用性研究
被引量：
8
3
作者
李佳
曲田
牟时宇
陶思铭
胡义明
机构
国能大渡河流域水电开发有限公司
河海大学水文水资源学院
出处
《水文》
CSCD
北大核心
2023年第1期47-51,56,共6页
基金
国家自然科学基金(41730750)
国能大渡河流域水电开发有限公司科技项目(CEZB200505212)。
文摘
径流预报对于防洪、发电和生态调度等具有重要意义。以大渡河丹巴以上流域为研究区域,采用黏菌优化算法(SMA)对长短期记忆神经网络(LSTM)的隐藏层输出维度进行优化,构建SMA-LST M模型对未来10日径流过程进行预报,以探讨深度学习方法对流域径流预报的适用性。基于2012-2017年的日降雨量和日流量资料,构建了预见期为10天的逐日径流SMA-LSTM预报模型,以2018-2019年的资料进行模型验证;采用最大1日径流量相对误差和10日总径流量相对误差作为SMA-LSTM模型精度的评价指标,并与未优化的LSTM模型和新安江模型结果进行对比。结果表明:SMA-LSTM模型具有较高的模拟和预报精度,无论是在率定期还是验证期,两种指标均控制在±10%以内,且两种指标的绝对值平均都不超过7%;整体而言,SMA-LSTM模型精度更高,预报的径流过程与实测过程更为贴近。研究成果可供流域径流预报实际工作参考。
关键词
长短期记忆神经网络(LSTM)
黏菌
优化
算法
(
sma
)
径流预报
Keywords
LSTM
sma
runoff forecast
分类号
TV124 [水利工程—水文学及水资源]
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SMA-CNN-GRU-Attention组合模型的矿区地表三维形变预测
彭毅博
杨维芳
闫香蓉
高墨通
侯宇豪
张德龙
《测绘通报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
融合随机反向学习的黏菌与算术混合优化算法
贾鹤鸣
刘宇翔
刘庆鑫
王爽
郑荣
《计算机科学与探索》
CSCD
北大核心
2022
41
在线阅读
下载PDF
职称材料
3
SMA-LSTM模型在径流预报中的适用性研究
李佳
曲田
牟时宇
陶思铭
胡义明
《水文》
CSCD
北大核心
2023
8
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
