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
共找到69篇文章
< 1 2 … 4 >
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：
结合CNN-LSTM模型融合星地降水的洪水模拟研究 被引量：2
1
作者 岳甲寅 刘招 +3 位作者 毛钦男 管子隆 肖瑜 王丽霞 《中国农村水利水电》 北大核心 2025年第7期52-59,共8页
降水作为水文过程中最重要的驱动因子之一,其数据来源和准确度是影响洪水预报精度的关键因素。受水雨情监测系统不完善、流域范围较小等诸多因素影响,中小流域实测降水数据的精度较高,但分布不均,进而影响水文模型的模拟结果。为提高流... 降水作为水文过程中最重要的驱动因子之一,其数据来源和准确度是影响洪水预报精度的关键因素。受水雨情监测系统不完善、流域范围较小等诸多因素影响,中小流域实测降水数据的精度较高,但分布不均,进而影响水文模型的模拟结果。为提高流域洪水预报精度,研究通过构建CNN-LSTM神经网络模型将测站数据与卫星产品降水数据进行融合,并结合HEC-HMS模型开展场次洪水模拟,以陕西黑河流域金盆水库以上集水区为例,探讨星地融合降水在场次洪水模拟中的应用效果以及适用性。结果显示:①以站点降水数据为输入的HEC-HMS模型在研究区的适用性较好,率定期和验证期均能达到乙级精度。②两类IMERG卫星产品与实测降水的相关系数都较低,整体高于实际值,误差较大,在经过CNN-LSTM数据融合后与实测降水数据接近,并且IMERG-Early产品的融合效果更好。③融合卫星产品后的HEC-HMS模型对于10场洪水的模拟合格率为80%,平均确定性系数为0.8569,洪峰时差的绝对值均值为0.8 h,达到甲级精度。④星地融合降水进行洪水模拟的结果确定性系数增加,平均洪峰时差绝对值减小;洪峰流量的模拟效果下降且明显偏小。结果表明:中小流域将实测降水数据与适当的卫星降水产品数据进行融合,可以在一定程度上提升洪水预报模型的精度。 展开更多
关键词 洪水预报 cnn-lstm 融合降水 中小流域 HEC-HMS
在线阅读 下载PDF
CNN-LSTM在桥梁预警机制的研究与应用 被引量：1
2
作者 潘浩 李富年 +2 位作者 余兴盛 秦寰宇 陈志丹 《计算机应用与软件》 北大核心 2025年第3期29-33,40,共6页
为了更好地满足桥梁健康监测系统的需求,提高桥梁健康监测系统的性能,将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制,提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景,将卷积神经网络CNN与... 为了更好地满足桥梁健康监测系统的需求,提高桥梁健康监测系统的性能,将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制,提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景,将卷积神经网络CNN与长短时记忆网络LSTM结合起来构建CNN-LSTM模型,对桥梁的挠度数据进行预测。通过对实验结果分析发现CNN-LSTM模型能够有效预测出桥梁的挠度数据,在置信区间为±0.1 mm的情况下,准确率达到92.8%,在预测未来十分钟的挠度数据中,均方根误差RMSE为0.1097。实践表明时序数据库InfluxDB与CNN-LSTM模型的融合增强桥梁健康监测系统对潜在威胁的感知能力,有效提高桥梁健康监测系统的预警报警机制。 展开更多
关键词 桥梁工程 长短时记忆网络 卷积神经网络 cnn-lstm模型 InfluxDB
在线阅读 下载PDF
基于注意力机制的CNN-LSTM土石坝渗流量预测模型
3
作者 李诗婉 袁明道 +1 位作者 徐云乾 张舒 《科学技术与工程》 北大核心 2025年第21期9102-9108,共7页
渗流分析是大坝安全与稳定的重点研究内容,通过构建高精度的土石坝渗流量预测模型对于大坝灾害风险管控具有重要意义。为了进一步提高土石坝渗流预测能力,提出了一种结合长短期记忆神经网络(long short-term memory,LSTM)、卷积神经网络... 渗流分析是大坝安全与稳定的重点研究内容,通过构建高精度的土石坝渗流量预测模型对于大坝灾害风险管控具有重要意义。为了进一步提高土石坝渗流预测能力,提出了一种结合长短期记忆神经网络(long short-term memory,LSTM)、卷积神经网络(convolutional neural networks,CNN)和注意力机制(attention mechanism,Attention)的预测模型。该模型首先利用CNN挖掘数据的深层特征,然后通过LSTM提取渗流量监测数据的时间序列特征,最后将注意力机制添加到池化层和全连接层中,确定不同时间特征的重要性并分配权重。通过工程实例应用分析,与CNN、LSTM、CNN-LSTM模型相比,CNN-LSTM-Attention模型预测效果更好,其可决系数R2高达0.98以上,并且能够同时捕捉到渗流量数据的空间特征和时序依赖性,在土石坝渗流量预测中表现出了较强的可靠性与稳定性。 展开更多
关键词 土石坝 渗流量 cnn-lstm 注意力机制 预测
在线阅读 下载PDF
基于高光谱和CNN-LSTM的白菜叶片铜胁迫分析与分类模型研究
4
作者 封润泽 韩鑫 +3 位作者 兰玉彬 勾馨悦 王娟 白京波 《农业机械学报》 北大核心 2025年第6期477-486,共10页
为探究蔬菜在不同浓度重金属胁迫下的高光谱响应,本文采集10个浓度Cu^(2+)胁迫下的白菜叶片高光谱数据,提出一种基于高光谱和卷积长短期记忆神经网络(CNN-LSTM)的白菜叶片Cu^(2+)胁迫分类预测模型。首先采用S-G平滑、一阶微分进行光谱... 为探究蔬菜在不同浓度重金属胁迫下的高光谱响应,本文采集10个浓度Cu^(2+)胁迫下的白菜叶片高光谱数据,提出一种基于高光谱和卷积长短期记忆神经网络(CNN-LSTM)的白菜叶片Cu^(2+)胁迫分类预测模型。首先采用S-G平滑、一阶微分进行光谱数据预处理,其次采用竞争自适应重加权采样(Competitive adapative reweighted sampling,CARS)和非信息变量剔除(Uninformative variables elimination,UVE)提取10个公共特征波长。模型试验结果表明:采用UVE和CARS方法提取的两者共同波长作为CNN-LSTM模型的输入,测试集准确率为94.8%,精确率为93.1%,召回率为93.5%,分别比SVM、CNN和LSTM模型高8.7、5.7、6.4个百分点,6.6、4.7、5.9个百分点和10.1、5.2、3.9个百分点。采用ICP-700T型电感耦合等离子体发射光谱仪精确测量白菜叶片重金属含量对结果进行验证。采用UVE-CARS特征波长筛选后的CNN-LSTM分类预测模型用于白菜叶片无损分类监测效果最优,为蔬菜重金属的无损分类监测提供新方法。 展开更多
关键词 白菜叶片 铜胁迫分类 高光谱 特征波长 cnn-lstm
在线阅读 下载PDF
基于改进型CNN-LSTM神经网络蔬菜价格预测与解释研究
5
作者 包维嘉 代辛 +4 位作者 张永恩 庄家煜 赵泽英 李莉婕 彭丽镕 《贵州农业科学》 2025年第10期123-133,共11页
【目的】探明影响蔬菜价格的关键因素及其传导路径,提高蔬菜价格预测精度,为政策制定和市场价格稳定提供科学依据。【方法】以蔬菜批发价格指数为研究对象,提出一种改进的CNN-LSTM神经网络模型,以北京蔬菜批发价格、贵州蔬菜批发价格、... 【目的】探明影响蔬菜价格的关键因素及其传导路径,提高蔬菜价格预测精度,为政策制定和市场价格稳定提供科学依据。【方法】以蔬菜批发价格指数为研究对象,提出一种改进的CNN-LSTM神经网络模型,以北京蔬菜批发价格、贵州蔬菜批发价格、百度指数(关键字是极端天气和蔬菜价格)作为极端天气关注度和公众关注度、全球地缘政治风险指数等作为多元特征变量,从空间和时序上分析变量特征并进行蔬菜价格预测,结合格兰杰因果检验和SHAP模型,验证变量间的因果关系并量化其贡献。【结果】北京蔬菜批发价格对蔬菜批发价格指数具有显著驱动作用(P=0.0000);贵州蔬菜批发价格则表现独立性(P=0.9234);全球地缘政治风险指数极显著影响极端天气关注度和公众关注度(P=0.0000),还与极端天气形成双向反馈循环(P=0.0000、P=0.0000);极端天气会推高北京蔬菜批发价格(P=0.0033);公众关注度主要被动响应价格(P=0.0186)和风险事件变化(P=0.0000)。改进型CNN-LSTM模型平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别较传统型CNN-LSTM模型下降29.81%、20.37%和14.59%,其对蔬菜价格预测结果与实际结果间拟合度达79.57%,较传统型CNN-LSTM模型提高0.95百分点。SHAP分析表明,北京蔬菜批发价格的贡献最高,为35.5%;极端天气关注度为23.1%;贵州蔬菜批发价格为17.8%;全球地缘政治风险指数贡献最低,为10.1%。北京蔬菜批发价格、极端天气关注度对蔬菜批发价格指数存在负向影响;极端天气关注度存在阙值效应;全球地缘政治风险对蔬菜批发价格指数存在正向作用。贵州蔬菜批发价格、公众关注度对蔬菜批发价格指数影响不明显。【结论】改进型CNN-LSTM模型能有效提升预测性能,北京蔬菜批发价格、极端天气关注度、公众关注度和全球地缘政治风险指数与蔬菜批发价格指数间存在因果关系,北京蔬菜批发价格预测结果贡献最大且对蔬菜价格有负向影响,极端天气关注度具有阙值效应,全球地缘政治风险指数存在正向作用,贵州蔬菜批发价格的影响需要考虑地理因素。 展开更多
关键词 cnn-lstm 蔬菜价格 深度学习 预测 特征解释 价格指数
在线阅读 下载PDF
基于表面肌电信号的CNN-LSTM模型下肢动作识别
6
作者 周智伟 陶庆 +3 位作者 苏娜 刘景轩 李博文 裴浩 《科学技术与工程》 北大核心 2025年第7期2841-2848,共8页
为了提高对下肢运动的分类准确度,提出了一种基于表面肌电信号(surface electromyography, sEMG)的卷积神经网络与长短期记忆网络融合识别模型(convolutional neural network and long short-term memory network, CNN-LSTM)。首先,采集... 为了提高对下肢运动的分类准确度,提出了一种基于表面肌电信号(surface electromyography, sEMG)的卷积神经网络与长短期记忆网络融合识别模型(convolutional neural network and long short-term memory network, CNN-LSTM)。首先,采集了20名受试者进行上楼、下楼、行走和蹲起4种步态动作的sEMG;接着,对采集到的sEMG数据进行预处理,并提取了两种时域和频域特征,用作机器学习识别模型的特征输入;最后,基于预处理后肌电信号数据,构建了CNN-LSTM的下肢动作识别模型,并与CNN、LSTM和支持向量机(support vector machine, SVM)模型的性能进行对比。结果显示,CNN-LSTM模型在下肢动作识别准确率上分别比CNN、LSTM和SVM模型高出2.16%、8.34%、和11.16%,证明了其优越的分类性能。研究结论为康复医疗器械与助力器械提供了一个有效的下肢运动功能改善方案。 展开更多
关键词 表面肌电信号 下肢动作识别 cnn-lstm 卷积神经网络 长短时记忆网络
在线阅读 下载PDF
基于CNN-LSTM的断路器合成试验短路电流零点预测技术
7
作者 王智 毛雪飞 +2 位作者 冯英 李哲远 李玉春 《高压电器》 北大核心 2025年第9期35-42,49,共9页
合成试验是检验大容量断路器短路开断能力的重要试验方法,文中针对合成试验中短路电流预测精度的要求,首先分析了威尔合成回路同步控制的原理,将过零点预测问题等效为时间序列预测问题,据此提出建立CNN-LSTM预测模型拟合短路电流序列,... 合成试验是检验大容量断路器短路开断能力的重要试验方法,文中针对合成试验中短路电流预测精度的要求,首先分析了威尔合成回路同步控制的原理,将过零点预测问题等效为时间序列预测问题,据此提出建立CNN-LSTM预测模型拟合短路电流序列,预测过零点。其次,通过某次试验中的短路电流情况建立预测模型,并比较了CNN-LSTM混合网络与单一LSTM网络的预测效果,在此基础之上,将该CNN-LSTM预测模型应用到不同短路电流下T100s及T100a试验中,实验结果显示该模型对于过零时刻的预测误差均≤4μs,具备良好的泛化能力,研究结果对合成试验同步控制的准确实现具有实际意义。 展开更多
关键词 断路器 合成试验 cnn-lstm 电流零点 时序预测
在线阅读 下载PDF
融合时序知识图谱与CNN-LSTM的流程生产工艺质量预测
8
作者 阴彦磊 唐进 顾文娟 《计算机集成制造系统》 北大核心 2025年第10期3773-3784,共12页
针对流程生产工艺知识的强时序性和关联耦合特征,提出一种融合时序知识图谱与CNN-LSTM的工艺质量预测模型。首先利用知识嵌入技术提取多源异构数据、工艺标准、规范要求等知识图谱语义特征,根据实体和关系表示将复杂工艺标准建模为复合... 针对流程生产工艺知识的强时序性和关联耦合特征,提出一种融合时序知识图谱与CNN-LSTM的工艺质量预测模型。首先利用知识嵌入技术提取多源异构数据、工艺标准、规范要求等知识图谱语义特征,根据实体和关系表示将复杂工艺标准建模为复合的三元组间的隐含关联关系;在此基础上,将子图三元组集映射至低维向量空间以间接捕获语义,通过特征融合强化时序特征作为输入,构建基于注意力机制的组合神经网络模型以提取显著时序特征,最终实现面向流程生产工艺的质量预测。实验结果表明,基于时序知识图谱与CNN-LSTM的流程生产工艺质量预测方法精确率优于其他方法,验证了所提模型的有效性与高效性。 展开更多
关键词 知识图谱 TransH模型 特征融合 cnn-lstm神经网络 质量预测
在线阅读 下载PDF
基于CNN-LSTM混合神经网络的炼化污水处理场COD排放浓度预测 被引量：1
9
作者 何为 岳留强 +3 位作者 唐智和 栾辉 陈昌照 王若尧 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期121-129,共9页
快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM... 快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM混合神经网络算法,建立炼化企业污水处理场COD排放浓度预测模型。结果表明,该模型既可发挥CNN较好刻画、提取局部特征信息的优势,又具有LSTM对连续时间序列数据较好继承性的特点,其均方根误差为22.3217、决定系数为0.8732,平均相对误差较LSTM网络构建的模型降低5.45%。 展开更多
关键词 炼化污水处理 混合神经网络(cnn-lstm) COD浓度 污染排放预测
在线阅读 下载PDF
基于CNN-LSTM模型的土壤温湿度缺失数据填补算法
10
作者 张瑛进 史志强 +1 位作者 古丽米拉·克孜尔别克 库木斯·阿依肯 《湖北农业科学》 2025年第2期179-183,196,共6页
针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络(CNN-LSTM)填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LS... 针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络(CNN-LSTM)填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LSTM 5个模型对土壤温湿度传感器网络缺失数据进行填补,并采用Adam算法优化模型,使用决定系数(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)指数对模型填补结果进行评价。结果表明,采用线性插补算法获得完整的数据,CNN-LSTM模型的R^(2)为0.999 9,高于其他模型,MAE、RMSE分别为0.001 85、0.019 70,均远低于其他模型。采用k近邻插补算法获得完整的数据,CNN-LSTM模型的MAE、RMSE分别为0.000 12、0.000 12,均远低于其他模型,R^(2)为0.999 4,高于CNN模型、TCN模型;CNN-LSTM模型对土壤温湿度传感器数据缺失值的填补效果最好。CNN-LSTM模型在处理大规模土壤温湿度传感器缺失数据问题时具有较好的可行性和精确度。 展开更多
关键词 cnn-lstm模型 土壤 温湿度 缺失数据填补算法
在线阅读 下载PDF
基于CNN-LSTM的激光回波水深测量算法研究
11
作者 盛立 李沛泽 +2 位作者 徐杨睿 边君楠 梁琨 《航天返回与遥感》 北大核心 2025年第2期146-156,共11页
水深测量对于海洋环境变化性质的研究至关重要。传统的激光测深算法可以快速处理回波信号,从而实现水深的反演。然而,受水体浑浊度以及水体深度的影响,部分区域内得到的激光回波信号会出现水底回波信号偏弱或水面、水底回波信号重叠的现... 水深测量对于海洋环境变化性质的研究至关重要。传统的激光测深算法可以快速处理回波信号,从而实现水深的反演。然而,受水体浑浊度以及水体深度的影响,部分区域内得到的激光回波信号会出现水底回波信号偏弱或水面、水底回波信号重叠的现象,给水深信息的提取带来了挑战。为了解决这些问题,文章提出一种CNN-LSTM深度学习模型:首先将组成激光回波的若干个bin值作为数据点,然后通过深度学习方法将这些数据点分类为水面点、水底点和噪声点,再根据水面点与水底点的坐标位置计算激光回波信号的水深信息。用中国南海的激光回波数据进行数据点分类与测深试验,试验结显示:该模型的分类精度达到97.62%,同时,计算激光回波信号的水深信息与真实数据相比,均方根误差(RMSE)仅为0.46 m,精度高于单独的CNN、LSTM以及1D FCN等模型。文章的研究为激光回波测深技术领域提供了一套良好的思路及方案。 展开更多
关键词 激光回波 水深测量 深度学习 cnn-lstm 数据点分类
在线阅读 下载PDF
CNN-LSTM在多模态人体动作识别中的应用研究
12
作者 王童 《现代电子技术》 北大核心 2025年第15期78-82,共5页
针对环境中存在多种类物体,且光照条件、遮挡情况等可能影响动作识别效果的问题,文中提出一种基于CNN-LSTM的多模态人体动作识别方法。采集人体运动时深度图像数据、合加速度两种可以体现人体动作的多模态行为数据,输入CNN模型,经卷积... 针对环境中存在多种类物体,且光照条件、遮挡情况等可能影响动作识别效果的问题,文中提出一种基于CNN-LSTM的多模态人体动作识别方法。采集人体运动时深度图像数据、合加速度两种可以体现人体动作的多模态行为数据,输入CNN模型,经卷积、降采样等处理,提取人体运动深度图像的骨骼关节特征图、合加速度方差特征图,作为人体动作多模态特征样本,输入LSTM模型,结合人体动作的时域性,学习当前多模态特征样本与动作类型之间的仿射变换关系,在全部时间步中,收集LSTM模型输出门输出的动作分类结果,引入投票决策方法,将出现次数最多的分类结果作为多模态人体动作识别结果。实验结果表明,该方法在正常光照、弱光环境中均可准确识别多种人体动作类型。 展开更多
关键词 cnn-lstm 多模态人体动作 类型识别 Kinect传感器 骨骼关节 惯性传感器 合加速度
在线阅读 下载PDF
基于CNN-LSTM的透射槽波勘探走向断层预测研究
13
作者 周官群 薛凯文 +5 位作者 张维鑫 高永新 金学良 王宗涛 任川 王亚飞 《工矿自动化》 北大核心 2025年第7期149-157,共9页
透射槽波地震勘探是探测工作面地质构造和灾害体的有效手段,但存在探测深度浅、分辨率低、易受地形与环境噪声干扰等问题。针对该问题,将深度学习技术引入透射槽波地震勘探,用于实现工作面走向断层位置预测。建立工作面走向断层地质模型... 透射槽波地震勘探是探测工作面地质构造和灾害体的有效手段,但存在探测深度浅、分辨率低、易受地形与环境噪声干扰等问题。针对该问题,将深度学习技术引入透射槽波地震勘探,用于实现工作面走向断层位置预测。建立工作面走向断层地质模型,采用弹性波有限差分算法进行槽波正演模拟,生成槽波模拟数据集。构建卷积神经网络-长短期记忆(CNN-LSTM)网络模型,通过CNN提取槽波数据的局部特征,由LSTM网络捕捉槽波数据的时序依赖关系,实现槽波时空特征协同解析。采用槽波模拟数据集训练CNN-LSTM模型,预测的均方根误差为4.3934m,平均绝对误差为2.9875m,决定系数为0.9883,验证了该模型具有较高的预测精度和较好的泛化能力。采用内蒙古某矿506工作面透射槽波勘探数据对CNN-LSTM模型进行迁移训练和验证,结果表明该模型预测的断层位置和走向与回采揭露的实际位置一致,预测效果优于槽波能量衰减成像、无线电坑透探测技术。 展开更多
关键词 工作面地质勘探 断层预测 断层定位 透射槽波 卷积注意力长短期记忆网络 cnn-lstm
在线阅读 下载PDF
SBAS-InSAR技术融合CNN-LSTM模型的矿区开采沉陷监测与预测 被引量：8
14
作者 师芸 折夏雨 +3 位作者 张雨欣 王凯 张琨 吴睿 《安全与环境学报》 CAS CSCD 北大核心 2024年第9期3429-3438,共10页
针对传统矿区开采沉陷监测方法耗费人力财力和预测预警模型较少的问题,研究提出一种基于短基线集合成孔径雷达干涉测量(Small Baseline Subset-Interferometry Synthetic Aperture Radar,SBAS-InSAR)技术和卷积神经网络(Convolutional N... 针对传统矿区开采沉陷监测方法耗费人力财力和预测预警模型较少的问题,研究提出一种基于短基线集合成孔径雷达干涉测量(Small Baseline Subset-Interferometry Synthetic Aperture Radar,SBAS-InSAR)技术和卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的矿区开采沉陷监测预测方法。首先,利用SBAS-InSAR技术对建新煤矿进行矿区开采沉陷监测,获取了该矿区的年平均沉降速率和累计沉降值。用GNSS监测数据与SBAS-InSAR结果进行对比验证,其拟合效果较好。其次,在此基础上利用CNN-LSTM模型预测后6期沉降数据,其结果与CNN和LSTM预测结果进行对比。研究显示,CNN-LSTM模型的平均绝对误差(S_(MAE))和均方根误差(S_(RMSE))比单一的CNN和LSTM分别至少降低了44.8%和40.6%,其决定系数均高于98%。最后,进一步预测前6期和中6期沉降数据,验证了CNN-LSTM预测模型在时间上的一致性。因此,SBAS-InSAR融合CNN-LSTM模型在类似矿山开采沉陷监测和预测中有较好的应用前景。 展开更多
关键词 安全工程 短基线集合成孔径雷达干涉测量(SBAS-InSAR) 开采沉陷 卷积神经网络-长短期记忆(cnn-lstm)模型 沉降预测
在线阅读 下载PDF
基于CNN-LSTM声速预测的水下移动节点定位算法 被引量：1
15
作者 彭铎 查海音 +2 位作者 曹坚 张彦博 张明虎 《电子测量与仪器学报》 CSCD 北大核心 2024年第11期146-157,共12页
本文旨在解决水下无线传感器网络中因水下环境复杂多变导致的长时延问题,该问题显著影响移动传感器节点间的信息传播效率,进而增大了节点定位误差。为此,本研究创新性地提出了一种基于CNN-LSTM声速预测的水下移动节点定位算法。首先,通... 本文旨在解决水下无线传感器网络中因水下环境复杂多变导致的长时延问题,该问题显著影响移动传感器节点间的信息传播效率,进而增大了节点定位误差。为此,本研究创新性地提出了一种基于CNN-LSTM声速预测的水下移动节点定位算法。首先,通过K-折交叉验证法对声速数据集进行科学划分,随后构建并训练了一个融合卷积神经网络(CNN)特征提取能力与长短期记忆网络(LSTM)序列建模能力的CNN-LSTM混合模型。此模型有效捕捉了声速数据中的空间与时间特征,显著提升了声速预测的准确度。在定位过程中,采用该模型预测的声速值进行到达时间差(TDOA)测距,并据此对测距结果进行精细修正。进而,针对不同节点密度条件下的未知节点,算法能够自适应地选择最适宜的测距定位方法,依据参考节点数量实现精准定位。实验结果显示,与现有的SLMP、DMP、NDSMP及BLSM定位算法相比,本文提出的MCLS定位算法在相同信标节点条件下,定位误差均值分别降低了46.96%、39.93%、27.64%和15.24%,显著提升了水下移动节点的定位精度与稳定性。 展开更多
关键词 水下传感器网络 声速预测 cnn-lstm模型 距离修正 移动节点定位
在线阅读 下载PDF
基于CNN-LSTM和卷复制方法的高可用系统设计方法
16
作者 张焱 李新建 +4 位作者 王畅 章建军 陈小虎 邹鑫灏 严智 《南京邮电大学学报（自然科学版）》 北大核心 2024年第4期114-121,共8页
针对单机服务器存在的单点故障问题,以及主备双机中存在的逻辑故障导致数据丢失的问题,设计了一种基于卷积和长短期记忆神经网络(CNN-LSTM)和卷复制方法的HA(High Availability)系统。系统至少包含两个节点,一个主节点以及一个或多个备... 针对单机服务器存在的单点故障问题,以及主备双机中存在的逻辑故障导致数据丢失的问题,设计了一种基于卷积和长短期记忆神经网络(CNN-LSTM)和卷复制方法的HA(High Availability)系统。系统至少包含两个节点,一个主节点以及一个或多个备用节点,主节点和备节点之间支持主备切换。每个服务器节点上包含4个模块,分别是负责接收配置信息与读写请求的代理模块;进行磁盘读写操作和重定向读写的磁盘I/O(输入输出)模块;负责主备节点间备份快照、映射表、数据块复制的卷复制模块以及基于CNN-LSTM进行状态检测的高可用模块。实验表明,该系统不仅可以解决单点故障问题,也可以解决主备双机集群中无法解决的逻辑错误问题;同时基于CNN-LSTM方法,自动针对服务器的运行健康状态进行分析和预测,可以根据预测结果自动通知管理员进行处理或自动进行主备切换。 展开更多
关键词 卷复制 数据丢失 快照 cnn-lstm 高可用系统
在线阅读 下载PDF
基于CNN-LSTM模型的TBM隧道掘进参数及岩爆等级预测 被引量：6
17
作者 满轲 武立文 +2 位作者 刘晓丽 宋志飞 李可娜 《煤炭科学技术》 CSCD 北大核心 2024年第S2期21-37,共17页
为了提高交通水利和深部煤矿工程中的TBM智能化施工和灾害预测的能力,提出了一种结合卷积神经网络(CNN)和长短时记忆神经网络(LSTM)优势的CNN-LSTM模型,依托“引汉济渭”工程,预测TBM隧道稳定段掘进参数和岩爆等级。此外,对TBM数据进行... 为了提高交通水利和深部煤矿工程中的TBM智能化施工和灾害预测的能力,提出了一种结合卷积神经网络(CNN)和长短时记忆神经网络(LSTM)优势的CNN-LSTM模型,依托“引汉济渭”工程,预测TBM隧道稳定段掘进参数和岩爆等级。此外,对TBM数据进行清洗和预处理,根据桩号将TBM数据、地质参数和岩爆等级匹配,基于灰色关联分析筛选出合理的预测指标,合理选择CNN-LSTM模型的超参数以获得较好的预测结果,并与其他模型的预测结果进行对比分析。研究结果表明:对于TBM隧道稳定阶段的掘进参数推力F、贯入度P和扭矩M,CNN-LSTM模型预测的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)明显小于其他模型且较稳定。其中,扭矩M的预测效果最好,推力F的预测效果次之,贯入度P的预测效果最差;随着岩爆等级的增加,刀盘和刀具受到严重冲击,不同模型对于以上掘进参数的预测效果变差,但CNN-LSTM模型的预测结果均在有效范围内且具有较高的鲁棒性;CNN-LSTM模型预测TBM隧道岩爆等级的准确率(ACC)、精确率(PRE)和召回率(REC)明显高于其他模型,准确率(ACC)、宏观精确率(MPRE)和宏观召回率(MREC)分别达到98.17%、97.73%和98.58%;根据模型的随机采样分析可知,CNN-LSTM模型对于相同容量的不同岩爆样本的鲁棒性较高,明显优于其它模型。综上,CNN-LSTM模型对于TBM隧道的掘进参数及岩爆等级的预测具有可行性和有效性。 展开更多
关键词 TBM隧道 掘进参数 岩爆等级 cnn-lstm模型 灰色关联分析
在线阅读 下载PDF
基于CNN-LSTM的苹果树种植区域提取 被引量：2
18
作者 王子航 常晗 +2 位作者 张瑶 郭树欣 张海洋 《农业机械学报》 CSCD 北大核心 2024年第S2期277-285,共9页
苹果树种植区域提取有利于农业资源高效管理。为解决苹果种植区域提取中存在的分类精度不高、时效性滞后等问题,提出一种基于Sentinel-2和MODIS融合影像的卷积神经网络-长短期记忆网络(CNN-LSTM)时序分类模型。首先采用ESTARFM时空融合... 苹果树种植区域提取有利于农业资源高效管理。为解决苹果种植区域提取中存在的分类精度不高、时效性滞后等问题,提出一种基于Sentinel-2和MODIS融合影像的卷积神经网络-长短期记忆网络(CNN-LSTM)时序分类模型。首先采用ESTARFM时空融合算法构建融合影像,对不同卫星影像在空间和时间监测能力优势和缺陷进行互补,得到高空间和高时间分辨率共存的影像数据。在特征选择方面,通过随机森林模型进行重要性分析并结合后向特征消除法从25个原始特征中选15个关键特征变量作为最优特征组合。分类模型方面,卷积神经网络(Convolutional neural network,CNN)可以很好地在空间域、光谱域提取有效特征。长短期记忆网络(Long short-term memory,LSTM)作为循环神经网络(Recurrent neural network,RNN)的改进,可以处理不等长的输入序列。二者结合能够提取“时空谱”有效特征,实现更精准的图像分类和遥感数据分析。以烟台市牟平区观水镇为研究区,利用时空融合弥补原始Sentinel-2的影像缺失,使用CNN-LSTM模型进行苹果树种植区域提取,并与常用的机器学习分类算法进行对比,进而确定最优分类模型。研究表明在苹果种植区域提取方面CNN-LSTM模型总体精度为97.98%,Kappa系数为0.9586,总体精度对比其他4种机器学习算法CART、SVM、RF、GBDT分别高15.43、5.25、4.00、3.31个百分点,与LSTM模型总体精度和Kappa系数相比分别提高2.11个百分点和0.0148。所提出的苹果树种植区域精准遥感提取方法可为制定科学合理的农业管理措施提供有力支持。 展开更多
关键词 深度学习 卷积神经网络 cnn-lstm 苹果树种植区域提取
在线阅读 下载PDF
基于CNN-LSTM模型的车辆换道前跟驰研究 被引量：3
19
作者 潘公宇 马斌 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第2期1-8,共8页
考虑换道车辆在换道前的跟驰行为与无换道意图的一般跟驰行为有明显的差异,为研究车辆在换道前的特殊跟驰行为,提出“换道前跟驰”阶段概念,将换道车辆的跟驰过程划分为“基本跟驰”与“换道前跟驰”两阶段,以主车在换道前斜率的第五八... 考虑换道车辆在换道前的跟驰行为与无换道意图的一般跟驰行为有明显的差异,为研究车辆在换道前的特殊跟驰行为,提出“换道前跟驰”阶段概念,将换道车辆的跟驰过程划分为“基本跟驰”与“换道前跟驰”两阶段,以主车在换道前斜率的第五八分位数作为“换道前跟驰”的终点,使用z检验法验证了换道车辆在换道前跟驰阶段运动状态的特殊性。搭建CNN-LSTM网络以车辆速度、加速度、相对距离、横向偏移量等为输入,利用CNN层提取输入层特征,再将提取出的特征作为LSTM网络的输入,利用LSTM网络实现跟驰车辆状态的预测。仿真结果表明,传统的IDM不适用于车辆换道前的特殊跟驰行为,搭建的CNN-LSTM模型在加速度精度上较传统IDM模型提升了15.1%,更适用于车辆换道前跟驰状态的描述。 展开更多
关键词 换道前跟驰 车辆状态预测 cnn-lstm融合神经网络 NGSIM数据集
在线阅读 下载PDF
基于自注意力机制增强的CNN-LSTM的榴弹轨迹多步超前预测
20
作者 孙溪晨 李伟兵 +2 位作者 黄昌伟 付佳维 冯君 《兵工学报》 EI CAS CSCD 北大核心 2024年第S01期51-59,共9页
由于榴弹飞行轨迹呈现复杂性、时变性和突变性等特点,给近程防空拦截系统带来了极大的挑战。针对目前轨迹数据时空特征捕捉困难且只能进行较少步数预测的问题,提出一种引入自注意力机制的基于卷积神经网络和长短期记忆神经网络(1dimensi... 由于榴弹飞行轨迹呈现复杂性、时变性和突变性等特点,给近程防空拦截系统带来了极大的挑战。针对目前轨迹数据时空特征捕捉困难且只能进行较少步数预测的问题,提出一种引入自注意力机制的基于卷积神经网络和长短期记忆神经网络(1dimension Convolutional neural network-Long short-term memory-Attention, 1D CNN-LSTM-ATT)的一维轨迹多步超前预测模型。将所提模型与CNN-LSTM、LSTM模型分别进行单步和多步预测对比分析;实现对于目标轨迹的从T时刻到未来任意T+K时刻的高精度实时多步超前预测。实验结果表明:无论是单步还是多步预测,1D CNN-LSTM-ATT模型预测的评价指标明显优于其他2个模型;1D CNN-LSTM-ATT模型预测500步(即10 s)的累计预测误差在射程方向为82.83 m,高度方向为11.68 m,横偏方向为0.07 m,为实施弹体拦截及时响应提供了重要保障。 展开更多
关键词 轨迹多步超前预测 深度学习 自注意力机制 cnn-lstm模型
在线阅读 下载PDF
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 2 … 4 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部