期刊文献+
共找到181篇文章
< 1 2 10 >
每页显示 20 50 100
基于注意力循环神经网络的联合深度推荐模型
1
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
在线阅读 下载PDF
基于SVM-BP神经网络组合模型的高速公路出口流量预测
2
作者 余聪 代洪娜 +2 位作者 徐晓亮 孙曌阳 刘兴国 《交通节能与环保》 2023年第3期102-107,共6页
为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM(支持向量机)模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析... 为了给高速公路交通流精准预测提供更准确的方法,本文利用济南西高速公路出口早晚高峰流量数据,采用SVM-BP神经网络组合模型进行短时交通流预测,并对单一的SVM(支持向量机)模型、BP神经网络模型和组合模型的预测精度进行比较和实证分析。当样本数量小于或等于120时,结果表明:①误差对比:当样本数量大于22时,由于预测集与训练集数据分布本身存在差异且SVM模型训练完成后过于复杂导致三种模型的误差逐渐变大。②预测精度:组合模型>BP神经网络>SVM,组合模型的平均绝对误差(MAE)提高了6.85%,远高于其他单一模型,验证了组合模型的有效性。 展开更多
关键词 道路工程 交通流预测 svm-bp神经网络组合模型 出口流量 高速公路
在线阅读 下载PDF
某纯电驱动重载车辆能耗预测模型
3
作者 王尔烈 王帅 +3 位作者 皮大伟 王洪亮 王显会 谢伯元 《兵工学报》 EI CAS CSCD 北大核心 2024年第4期1229-1236,共8页
高精度能耗预测模型是准确预测车辆续驶里程的重要前提。针对载荷大幅度变化且非结构化道路运行的纯电驱动重载车辆,建立其组合能耗模型,该模型由能耗计算基本模型与长短时记忆(Long Short-Term Memory,LSTM)神经网络差值修正两部分组... 高精度能耗预测模型是准确预测车辆续驶里程的重要前提。针对载荷大幅度变化且非结构化道路运行的纯电驱动重载车辆,建立其组合能耗模型,该模型由能耗计算基本模型与长短时记忆(Long Short-Term Memory,LSTM)神经网络差值修正两部分组成。基于能量流动过程驱动电机和变速器效率建模,结合汽车行驶动力学建立能耗计算基本模型;采用LSTM神经网络来修正基本模型能耗预测结果与车辆典型工况功率测试值的差值,有效提高了大幅变载荷且低信噪比坡度环境下的车辆能耗预测精度,因此组合能耗模型具有参数简单和模型拟合不需解释能耗规律的优点。经试验测试分析,与VT-Micro能耗模型和径向基(Radial Basis Function,RBF)神经网络能耗模型相比,所提组合能耗模型的功率预测平均误差率分别降低了17.76%和3.35%,能够实现纯电驱动重载车辆复杂工况下能耗的准确实时预测。 展开更多
关键词 纯电驱动重载车辆 组合能耗模型 长短时记忆神经网络 行驶动力学 复杂工况
在线阅读 下载PDF
ML组合的CYGNSS海面风速反演质量控制模型
4
作者 张云 赵星宇 +3 位作者 杨树瑚 孙聪 韩彦岭 尹继伟 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第1期20-29,共10页
卷积神经网络(CNN)可用于气旋全球导航卫星系统(CYGNSS)的海面风速反演。虽然在模型训练前设置了质量控制指标来检测和削弱CYGNSS的异常观测数据,但CYGNSS观测数据中仍存在异常值导致模型反演精度降低,甚至出现错误反演结果。因此,提出... 卷积神经网络(CNN)可用于气旋全球导航卫星系统(CYGNSS)的海面风速反演。虽然在模型训练前设置了质量控制指标来检测和削弱CYGNSS的异常观测数据,但CYGNSS观测数据中仍存在异常值导致模型反演精度降低,甚至出现错误反演结果。因此,提出一种基于机器学习(ML)组合的海面风速反演模型。在基于CNN回归模型的CYGNSS反演海面风速基础上,ML分类模型生成CNN回归结果的质量标志位,该标志位可以检测并删除CNN回归结果的异常值,进一步提高风速反演结果的数据质量,ML分类模型能够更好地考虑各种数据误差之间的相互作用,而不是单独使用每个条件的阈值,以达到更优的海面风速反演精度的效果。实验对比了Logistic回归(LR)、决策树(DT)、朴素贝叶斯模型、K最邻近(KNN)算法、神经网络(NN)模型、支持向量机(SVM)算法等6个分类模型,其中,基于KNN算法的分类模型对风速反演质量控制的效果最优。所提风速反演组合模型显著提高了反演结果的精度,在0~20 m/s区间内,异常样本过滤率为81.27%,在所有被过滤的数据中,过滤正确率为86.03%;风速反演误差的均方根误差从无ML分类模型的1.7 m/s降低到有ML分类模型的1.44 m/s,其中,训练样本为0~10 m/s的反演结果精度提升效果较为明显,证明了所提风速反演组合模型对风速质量控制的有效性。 展开更多
关键词 气旋全球导航卫星系统 风速反演 质量控制 机器学习组合模型 卷积神经网络 K最邻近算法
在线阅读 下载PDF
SARIMA-GRU组合模型的水位预测
5
作者 曹寒问 陈九江 李小玲 《南昌工程学院学报》 CAS 2024年第3期8-12,共5页
相较于传统的单一模型,组合模型在一定条件下具有更优的预测精度。为验证组合模型是否有利于提高模型的预测精度,本文以长江中游支流澧水石龟山水电站的水位数据为基础,建立SARIMA模型和GRU神经网络模型,并将这两种模型基于方差倒数法和... 相较于传统的单一模型,组合模型在一定条件下具有更优的预测精度。为验证组合模型是否有利于提高模型的预测精度,本文以长江中游支流澧水石龟山水电站的水位数据为基础,建立SARIMA模型和GRU神经网络模型,并将这两种模型基于方差倒数法和IOWA算子进行组合,最后比较单一模型和组合模型在该水位数据集上的预测精度差异。结果表明,适当的组合方式有利于提高模型预测精度,基于IOWA算子的组合模型具优良的预测性能。 展开更多
关键词 SARIMA GRU神经网络 水位预测 组合模型
在线阅读 下载PDF
基于变权组合模型的碳排放量预测
6
作者 张恒 《现代信息科技》 2024年第22期122-126,共5页
碳排放量的预测一直是国内外人们关注的热点,为了进一步提高碳排放量预测模型的准确性,考虑多种因素对碳排放量的影响,利用支持向量机回归、岭回归和BP神经网络三种传统单项碳排放量预测模型,结合误差倒数法构建了一种变权组合模型,并... 碳排放量的预测一直是国内外人们关注的热点,为了进一步提高碳排放量预测模型的准确性,考虑多种因素对碳排放量的影响,利用支持向量机回归、岭回归和BP神经网络三种传统单项碳排放量预测模型,结合误差倒数法构建了一种变权组合模型,并利用新模型预测我国2022—2026年的碳排放量。实证结果显示,组合模型的拟合精度和预测精度分别为99.26%和99.34%,组合模型对比3种单项模型有更高的精度。组合模型的预测结果显示,到2026年,我国碳排放增速较现在有所放缓,以1.8%的速度保持增长。 展开更多
关键词 支持向量机回归 岭回归 BP神经网络 变权组合模型
在线阅读 下载PDF
基于SARIMA-LSTM组合模型的油气集输系统能耗预测 被引量:1
7
作者 贺思宸 陈由旺 +4 位作者 朱英如 侯磊 刘珈铨 满建峰 张鑫儒 《油气田地面工程》 2024年第7期82-89,共8页
油气集输是油田开发生产过程的重要阶段,准确预测油气集输系统能耗能够为生产调度和能源管控提供支持。为提高油气集输系统能耗预测的准确性,针对其线性和非线性特征,综合考虑数理统计和机器学习预测方法的优缺点,提出一种基于季节性差... 油气集输是油田开发生产过程的重要阶段,准确预测油气集输系统能耗能够为生产调度和能源管控提供支持。为提高油气集输系统能耗预测的准确性,针对其线性和非线性特征,综合考虑数理统计和机器学习预测方法的优缺点,提出一种基于季节性差分自回归积分滑动平均(SARIMA)和长短期记忆(LSTM)神经网络的组合预测模型。根据S油田M环状掺水油气集输系统6年的运行数据,设计组合模型的网络结构,训练组合模型的网络参数。研究结果表明:与传统的SARIMA模型和LSTM神经网络相比,组合模型对三个能耗指标的预测准确性显著提高,可为企业调整生产运行方案和优化能源管控方案提供指导和数据支持。 展开更多
关键词 油气集输系统 能耗预测 SARIMA模型 LSTM神经网络 组合模型
在线阅读 下载PDF
基于神经网络逆控制的TBCC发动机多变量限制管理
8
作者 于兵强 张永亮 +2 位作者 聂聆聪 黄金泉 鲁峰 《推进技术》 EI CAS CSCD 北大核心 2024年第12期74-84,共11页
涡轮基组合循环(TBCC)发动机的控制系统既需要对执行机构协同控制以充分发挥每个工作模态的性能优势,又需要实现限制管理功能以保证发动机在安全条件下工作。本文通过分析串联式TBCC发动机流路计算过程,建立其性能动态模型,提出了一种... 涡轮基组合循环(TBCC)发动机的控制系统既需要对执行机构协同控制以充分发挥每个工作模态的性能优势,又需要实现限制管理功能以保证发动机在安全条件下工作。本文通过分析串联式TBCC发动机流路计算过程,建立其性能动态模型,提出了一种基于神经网络预测反馈与逆控制的TBCC发动机多变量主控回路,其在单一模式阶跃响应超调小于3%,模态转换推力流量波动小于4%。在多变量控制架构中引入了限制管理策略,通过对比分析基于模型预测控制的多变量约束方法,仿真表明本文提出方法在考虑多变量耦合基础上,在过渡态和模态转换过程中满足超限幅度小于0.2%和0.07%,能有效实现限制管理,且结构简单,易于实现。 展开更多
关键词 组合发动机 限制保护 Min-Max切换 模型预测控制 神经网络逆控制
在线阅读 下载PDF
基于BP神经网络和二次指数平滑法组合预测模型的安徽省物流需求预测
9
作者 徐健 桂海霞 《山东交通学院学报》 CAS 2024年第3期39-45,共7页
为准确预测安徽省的物流需求,从经济发展、产量结构、地区贸易和消费水平4方面选取安徽省的地区生产总值,第一、二、三产业产值,社会消费品零售总额,固定资产投资,人均消费性支出7个影响因素作为安徽省物流需求评价指标,以安徽省货运量... 为准确预测安徽省的物流需求,从经济发展、产量结构、地区贸易和消费水平4方面选取安徽省的地区生产总值,第一、二、三产业产值,社会消费品零售总额,固定资产投资,人均消费性支出7个影响因素作为安徽省物流需求评价指标,以安徽省货运量作为物流需求规模输出指标,采用灰色关联分析计算安徽省物流需求评价指标与物流需求规模间的关联度,判断评价指标的合理性。通过夏普利值法将BP神经网络预测模型和二次指数平滑法预测模型组合,预测2017—2021年安徽省物流需求。结果表明:BP神经网络预测模型、二次指数平滑法预测模型及二者的组合预测模型预测结果的平均相对误差分别为4.58%、6.70%、3.99%,组合预测模型的平均相对误差最小。通过组合预测模型预测2022—2024年安徽省物流需求分别为405 004.96万t、407 142.09万t、409 108.95万t,安徽省货运量呈持续增长趋势,但增幅降低。安徽省应加快传统物流向智慧物流的转移速度,扩大内需,加强物流枢纽城市间的联系,加速区域一体化发展步伐,确保物流高质量发展。 展开更多
关键词 组合预测模型 BP神经网络模型 二次指数平滑法模型 物流需求 预测
在线阅读 下载PDF
基于EMD-SSA-LSTM模型的城市轨道交通站点客流预测 被引量:3
10
作者 何勇 张开雯 《武汉理工大学学报(交通科学与工程版)》 2024年第5期829-834,840,共7页
文中基于EMD和SSA算法,对LSTM神经网络进行优化,提出一种新的组合预测模型.利用EMD算法降低数据噪点的干扰,将短时客流数据分解为多个IMF和一个残差.利用SSA算法优化LSTM网络的隐含层神经元个数、学习率以及迭代次数.利用优化后的LSTM... 文中基于EMD和SSA算法,对LSTM神经网络进行优化,提出一种新的组合预测模型.利用EMD算法降低数据噪点的干扰,将短时客流数据分解为多个IMF和一个残差.利用SSA算法优化LSTM网络的隐含层神经元个数、学习率以及迭代次数.利用优化后的LSTM模型对各个IMF进行预测,由各IMF的预测结果求和得到最终的预测值.利用杭州市客流量最大的站点火车东站客流量数据进行验证,并与BP神经网络、LSTM神经网络以及SSA-LSTM模型的预测结果相比较.结果表明:在针对工作日和非工作日的短时客流预测中,EMD-SSA-LSTM组合模型的预测误差均低于其他3种模型,且工作日与非工作日的预测值与真实值之间可决系数分别为0.9995,0.998,验证了本文提出的组合模型的有效性,并且提高了预测精度. 展开更多
关键词 短时客流预测 EMD和SSA算法 LSTM神经网络 组合模型
在线阅读 下载PDF
基于组合赋权优化的ES-ARIMA-BP神经网络交通事故预测研究 被引量:1
11
作者 刘尊青 单小曼 +3 位作者 辛宁 侯金超 姚亮 钟丽华 《现代电子技术》 北大核心 2024年第22期71-76,共6页
为提高交通事故模型的预测精度,更好地辨识交通事故在时间维度上的规律特性,基于CRITIC法和熵权法组合赋权,构建一种ES-ARIMA-BP神经网络组合预测模型,探究新疆地区交通事故在时间维度上的月度分布规律。首先,使用指数平滑法(ES)进行预... 为提高交通事故模型的预测精度,更好地辨识交通事故在时间维度上的规律特性,基于CRITIC法和熵权法组合赋权,构建一种ES-ARIMA-BP神经网络组合预测模型,探究新疆地区交通事故在时间维度上的月度分布规律。首先,使用指数平滑法(ES)进行预测,可减少数据间的噪声,并能捕捉时间序列数据中的季节性变动;其次,使用ARIMA模型进行预测,可捕捉数据中的线性部分、非季节性趋势和周期性波动;最后,为更好地应对数据中的复杂非线性及无周期性波动,引入BP神经网络进行预测。结果表明:构建基于组合赋权优化的ES-ARIMA-BP神经网络组合预测模型,平均绝对误差百分比(MAPE)仅为1.869%,决定系数(R^(2))高达0.982,较单一模型及单一赋权法下的组合模型预测误差率更低,拟合程度更好。组合预测模型以数据最大优化为思想基础,可有效克服单一模型的局限,同时采用组合赋权,使其能更好地适应不断变化的数据和环境,从而提高预测的准确度。 展开更多
关键词 交通事故预测 ES-ARIMA-BP 神经网络 组合模型 预测模型 赋权优化
在线阅读 下载PDF
基于ARIMA-BP组合模型在装备故障率预测的应用
12
作者 于晓 魏成亮 马金龙 《火力与指挥控制》 CSCD 北大核心 2024年第11期72-77,共6页
装备故障率预测结果是否准确,直接影响装备维修性验证试验结果,为了提高装备故障率预测精度,提出了一种新的组合模型预测方式,利用时间序列ARIMA预测模型、BP神经网络模型分别对装备故障率进行预测,在两种单项模型预测基础上,利用误差... 装备故障率预测结果是否准确,直接影响装备维修性验证试验结果,为了提高装备故障率预测精度,提出了一种新的组合模型预测方式,利用时间序列ARIMA预测模型、BP神经网络模型分别对装备故障率进行预测,在两种单项模型预测基础上,利用误差平方和最小原则建立组合预测模型,对装备故障率进行预测。预测结果表明,组合预测模型能够很好地提取装备故障率数据的线性特征和非线性特征,预测结果精度要高于两个单项模型。 展开更多
关键词 ARIMA模型 BP神经网络模型 组合预测模型 装备故障率
在线阅读 下载PDF
神经网络结合机器学习的煤与瓦斯突出量和危险性等级预测组合模型
13
作者 李江涛 王飞 《中国矿业》 北大核心 2024年第S02期176-184,共9页
准确预测煤与瓦斯突出危险性能够有效预防煤与瓦斯突出事故,保证煤矿的安全高效生产。为提高煤与瓦斯突出预测模型的准确性和普适性,提取BP神经网络最后一步隐藏层作为随机森林的输入特征,构建了BP神经网络结合随机森林的组合模型(BP-R... 准确预测煤与瓦斯突出危险性能够有效预防煤与瓦斯突出事故,保证煤矿的安全高效生产。为提高煤与瓦斯突出预测模型的准确性和普适性,提取BP神经网络最后一步隐藏层作为随机森林的输入特征,构建了BP神经网络结合随机森林的组合模型(BP-RF模型)。以60组煤与瓦斯突出工程数据集作为样本,采用平均误差、均方误差、危险等级预测精度和相关系数对模型进行了定量评价。研究结果表明:所建立的BP-RF模型对煤与瓦斯突出危险等级预测的准确率为99.9%,对煤与瓦斯突出量的预测准确率为94.87%。所建立了BP-RF模型性能优于BP、RF、IFOA-GRNN模型,精度较高。同时,根据所建立模型对所有特征的敏感性进行了分析,研究认为煤层深度、厚度煤层、地质构造变化、煤层厚度变化、煤层倾角变化、软层厚度变化、煤层软塌现象、煤层坚固系数变化、钻井动力学现象、气体释放初始速度对模型预测结果最为敏感,在煤矿实际开采过程中必须要高度重视。 展开更多
关键词 煤与瓦斯突出 BP神经网络 随机森林 组合模型 敏感性分析
在线阅读 下载PDF
基于ARIMA-BP组合模型的铁路路基冻害预测技术研究
14
作者 宋军 黄华 +3 位作者 刘风刚 王孟龙 王鹏 赵世林 《铁道勘察》 2024年第6期63-69,共7页
铁路路基沉降数据易受各种复杂因素的影响,为降低人工检修成本,提高预测精度,提出一种ARIMA-BP的组合预测模型。首先深入分析季节性冻土沉降变化规律及其数据特性,分别构建基于ARIMA(差分自回归滑动平均)模型和BP神经网模型的路基冻害... 铁路路基沉降数据易受各种复杂因素的影响,为降低人工检修成本,提高预测精度,提出一种ARIMA-BP的组合预测模型。首先深入分析季节性冻土沉降变化规律及其数据特性,分别构建基于ARIMA(差分自回归滑动平均)模型和BP神经网模型的路基冻害预测模型,分析发现,单一ARIMA模型对短期线性沉降变化具有较强的预测性能,但在长期非线性变化沉降预测中表现较差;BP神经网络根据误差反向更新模型权重,可以深度挖掘序列的长期非线性变化趋势。故提出一种ARIMA-BP组合模型,利用BP神经网络完成初步预测并拟合出原始序列的残差序列,再采用ARIMA模型进行残差预测,将两者预测结果组合起来得到组合预测结果。实验表明,提出的组合模型RMSE较ARIMA预测方法降低76.9%,较BP神经网络预测方法降低58.6%,较基于ARIMA-BP最优权重组合预测方法降低45.9%,证明该方法能更好地表现路基沉降变化趋势,为铁路行车安全发挥预警作用。 展开更多
关键词 铁路 路基沉降 ARIMA模型 BP神经网络 组合模型
在线阅读 下载PDF
基于BP神经网络的组合预测模型及其在公路运输量预测中的应用 被引量:16
15
作者 赵淑芝 田振中 +1 位作者 张树山 金俊武 《交通运输系统工程与信息》 EI CSCD 2006年第4期108-112,共5页
组合预测方法与单一预测方法相比可以提高预测的精度和稳定性,因此得到广泛的应用.本文首先概述了组合预测的基本思想,然后介绍了基于BP神经网络的组合预测模型,并以吉林省公路货运量为例给出计算实例,实例的预测结果非常理想,同时也用... 组合预测方法与单一预测方法相比可以提高预测的精度和稳定性,因此得到广泛的应用.本文首先概述了组合预测的基本思想,然后介绍了基于BP神经网络的组合预测模型,并以吉林省公路货运量为例给出计算实例,实例的预测结果非常理想,同时也用数理统计的方法证明了此模型的适用性.统计分析和实践都证明此模型的可行性和适用性,说明将此模型用于公路交通运输量预测是有效可行的. 展开更多
关键词 组合预测 公路运输量 BP神经网络 模型
在线阅读 下载PDF
基于灰色理论与BP神经网络的交通运输量组合预测研究 被引量:10
16
作者 温胜强 周鹏飞 康海贵 《大连理工大学学报》 EI CAS CSCD 北大核心 2010年第4期547-550,共4页
交通运输量预测是公路规划与管理中的重要问题.结合灰色理论模型与神经网络的优点,基于不同的组合预测思想分别建立了加权算术平均组合、加权平方和平均组合及加权比例平均组合预测模型.利用不同的评价模型对多组数据进行了评价分析研究... 交通运输量预测是公路规划与管理中的重要问题.结合灰色理论模型与神经网络的优点,基于不同的组合预测思想分别建立了加权算术平均组合、加权平方和平均组合及加权比例平均组合预测模型.利用不同的评价模型对多组数据进行了评价分析研究.结果表明,通过选择合适的组合预测模型及参数估计方法并确定最佳的模型参数,能够有效地提高预测精度. 展开更多
关键词 交通量预测 组合预测 灰色模型 神经网络
在线阅读 下载PDF
基于贝叶斯网络多方法组合的短时交通流量预测 被引量:23
17
作者 王建 邓卫 赵金宝 《交通运输系统工程与信息》 EI CSCD 2011年第4期147-153,共7页
贝叶斯网络是处理不确定信息和进行概率推理的有力工具,针对短时交通流量预测的难题,提出一种基于贝叶斯网络的多方法组合预测模型.首先建立几种基本预测模型并对交通流量进行预测,然后将预测的结果和实际结果按一定步长进行离散处理,... 贝叶斯网络是处理不确定信息和进行概率推理的有力工具,针对短时交通流量预测的难题,提出一种基于贝叶斯网络的多方法组合预测模型.首先建立几种基本预测模型并对交通流量进行预测,然后将预测的结果和实际结果按一定步长进行离散处理,把离散后的结果用贝叶斯网络进行学习,更新贝叶斯网络参数,通过联合推理求得各个基本预测模型预测结果组合下可能组合预测值的后验概率,把后验概率最大所对应的值作为预测值.通过对实际道路交通流量的预测表明,本文提出的贝叶斯网络多方法组合预测模型的预测结果精度优于单一的预测模型,从而论证了本文提出的贝叶斯网络多方法组合预测模型具有一定的实用性. 展开更多
关键词 交通工程 组合模型 贝叶斯网络 交通流 小波分析 ARIMA算法 BP神经网络
在线阅读 下载PDF
基于组合预测模型的露天矿高陡边坡滑坡变形研究 被引量:10
18
作者 肖海平 杨旺生 +2 位作者 肖岚 郭钟群 曹希西 《金属矿山》 CAS 北大核心 2014年第4期169-171,共3页
随着露天矿山开采规模及深度的不断扩大,致使矿山边坡变陡、变高,而形成高陡边坡,但由于地质条件以及矿山施工等因素的影响,高陡边坡经常发生崩塌、滑坡等比较严重的地质灾害。因此,为加强对露天矿山高陡边坡的变形预测,应及时研究滑坡... 随着露天矿山开采规模及深度的不断扩大,致使矿山边坡变陡、变高,而形成高陡边坡,但由于地质条件以及矿山施工等因素的影响,高陡边坡经常发生崩塌、滑坡等比较严重的地质灾害。因此,为加强对露天矿山高陡边坡的变形预测,应及时研究滑坡的变化趋势,开展滑坡预警,指导矿山生产,保障人民的生命财产安全。建立了一种能够更加有效地反映出变形体变化趋势的组合预测模型,并介绍了其建模思想及计算方法,在此基础上,依据某高陡边坡实际监测数据,将其预测结果与独立预测模型的预测结果进行分析比较,结果显示,其精度要优于独立预测模型的精度,且可靠性更高,具有较强的适用性。 展开更多
关键词 组合预测模型 灰色模型 线性回归 神经网络
在线阅读 下载PDF
基于粒子群改进BP神经网络的组合预测模型及其应用 被引量:45
19
作者 崔吉峰 乞建勋 杨尚东 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2009年第1期190-194,共5页
针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平... 针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型。以我国1978-2007年能源需求数据为样本,进行实例分析。结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性。 展开更多
关键词 BP神经网络 粒子群算法 ARIMA模型 灰色理论 组合预测
在线阅读 下载PDF
中国新能源消费预测及对策研究 被引量:36
20
作者 姜洪殿 董康银 +1 位作者 孙仁金 宋显昱 《可再生能源》 CAS 北大核心 2016年第8期1196-1202,共7页
文章从消费总量和种类两个方面,对中国新能源(太阳能、风能、水能、核能、地热能和生物能)的开发应用现状进行了详尽梳理;结合GM(1,1)灰色模型和BP神经网络模型,构建了并联型灰色神经网络组合预测模型,并对中国新能源消费量进行了预测;... 文章从消费总量和种类两个方面,对中国新能源(太阳能、风能、水能、核能、地热能和生物能)的开发应用现状进行了详尽梳理;结合GM(1,1)灰色模型和BP神经网络模型,构建了并联型灰色神经网络组合预测模型,并对中国新能源消费量进行了预测;从发展规模和增长速度两方面对不同种类新能源发展潜力进行排序。预测结果表明:到2020年我国一次能源消费总量将达3 503.1 Mt油当量,新能源消费总量为690.5 Mt油当量,占比为19.7%;中国未来将形成以风能和太阳能为核心,水能为重点的能源发展格局。文章还针对中国新能源可持续发展提出了对策和建议。 展开更多
关键词 新能源 消费量 GM(1 1)灰色预测 BP神经网络 组合预测
在线阅读 下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部