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3,574篇文章
< 1 2 … 179 >
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：
一种基于long short-term memory的唇语识别方法 被引量：4
1
作者 马宁 田国栋 周曦 《中国科学院大学学报（中英文）》 CSCD 北大核心 2018年第1期109-117,共9页
唇动视觉信息是说话内容的重要载体。受嘴唇外观、背景信息和说话习惯等影响,即使说话者说相同的内容,唇动视觉信息也会相差很大。为解决唇语视觉信息多样性的问题,提出一种基于long short-term memory(LSTM)的新的唇语识别方法。以往... 唇动视觉信息是说话内容的重要载体。受嘴唇外观、背景信息和说话习惯等影响,即使说话者说相同的内容,唇动视觉信息也会相差很大。为解决唇语视觉信息多样性的问题,提出一种基于long short-term memory(LSTM)的新的唇语识别方法。以往大多数的方法从嘴唇外表信息入手。本方法用嘴唇关键点坐标描述嘴唇形变信息作为唇语视频的特征,它具有类内一致性和类间区分性的特点。然后利用LSTM对特征进行时序编码,它能学习具有区分性和泛化性的空间-时序特征。在公开的唇语数据集GRID、MIRACL-VC和Oulu VS上对本方法做了针对分割的单词或短语的说话者独立的唇语识别评估。在GRID和MIRACL-VC上,本方法的准确率比传统方法至少高30%;在Oulu VS上,本方法的准确率接近于最优结果。以上实验结果表明,本文提出的基于LSTM的唇语识别方法有效地解决了唇语视觉信息多样性的问题。 展开更多
关键词 唇语识别 long short-term memory 计算机视觉
在线阅读 下载PDF
基于Modelica-LSTM双驱动的数字孪生机床热误差补偿模型构建
2
作者 孙丽 王诗灏 +3 位作者 姜锋 关咏臻 徐家淳 刘荣玺 《制造技术与机床》 北大核心 2025年第10期205-213,共9页
针对数控机床在高速、高负载运行中因热变形导致的热误差问题,提出一种基于Modelica多领域建模与长短期记忆网络(long short-term memory,LSTM)联合驱动的热误差补偿方法。通过Modelica构建机床机械、电气、热力学多物理场耦合的高保真... 针对数控机床在高速、高负载运行中因热变形导致的热误差问题,提出一种基于Modelica多领域建模与长短期记忆网络(long short-term memory,LSTM)联合驱动的热误差补偿方法。通过Modelica构建机床机械、电气、热力学多物理场耦合的高保真数字孪生模型,结合LSTM对机理模型未覆盖的非线性动态误差进行数据驱动补偿。实验以五轴数控加工中心DMG MORI DMU 50为对象,在预热、阶梯加载及扰动工况下采集温度、振动和热误差数据,验证模型性能。结果表明,Modelica-LSTM双驱动模型相较于单一Modelica机理模型,均方根误差降低51.2%,补偿后误差波动幅度减少72%,在高温及动态工况下显著提升预测精度。该方法为高精密机床热误差补偿提供了物理与数据协同驱动的有效解决方案。 展开更多
关键词 数控机床 热误差补偿 modelICA 长短期记忆网络 多领域建模 数字孪生
在线阅读 下载PDF
基于IWOA-LSTM算法的预应力钢筋混凝土梁损伤识别 被引量：5
3
作者 范旭红 章立栋 +2 位作者 杨帆 李青 郁董凯 《江苏大学学报（自然科学版）》 CAS 北大核心 2025年第1期105-112,119,共9页
为准确识别桥梁结构的损伤程度,制作了桥梁的关键构件——预应力钢筋混凝土梁,进行三点弯曲加载试验.收集了损伤破坏全过程的声发射(AE)信号,通过AE信号参数分析,将梁的损伤破坏过程划分为4个典型阶段.构建了长短时记忆神经网络(LSTM)模... 为准确识别桥梁结构的损伤程度,制作了桥梁的关键构件——预应力钢筋混凝土梁,进行三点弯曲加载试验.收集了损伤破坏全过程的声发射(AE)信号,通过AE信号参数分析,将梁的损伤破坏过程划分为4个典型阶段.构建了长短时记忆神经网络(LSTM)模型,根据经验设置LSTM模型的超参数容易导致网络陷入局部最优而影响了分类结果,提出采用Sine混沌映射和自适应权重来改进鲸鱼优化算法(WOA),对LSTM进行超参数寻优.设计了IWOA-LSTM算法模型,训练识别试验梁各损伤阶段的AE信号特征参数.定型网络结构,并识别同种工况下其他梁的AE信号.结果表明:IWOA-LSTM算法模型识别准确率均超过或接近92%,相较于普通LSTM模型,IWOA-LSTM模型识别准确率提高了约7%. 展开更多
关键词 预应力钢筋混凝土梁 声发射 损伤识别 长短时记忆神经网络 改进的鲸鱼优化算法
在线阅读 下载PDF
基于ARIMA-LSTM的矿区地表沉降预测方法 被引量：4
4
作者 王磊 马驰骋 +1 位作者 齐俊艳 袁瑞甫 《计算机工程》 北大核心 2025年第1期98-105,共8页
煤矿开采安全问题尤其是采空区地表沉降现象会对人员安全及工程安全造成威胁,研究合适的矿区地表沉降预测方法具有很大意义。矿区地表沉降影响因素复杂,单一的深度学习模型对矿区地表沉降数据拟合效果差且现有的地表沉降预测研究多是单... 煤矿开采安全问题尤其是采空区地表沉降现象会对人员安全及工程安全造成威胁,研究合适的矿区地表沉降预测方法具有很大意义。矿区地表沉降影响因素复杂,单一的深度学习模型对矿区地表沉降数据拟合效果差且现有的地表沉降预测研究多是单独进行概率预测或考虑时序特性进行点预测,难以在考虑数据的时序特征的同时对其随机性进行定量描述。针对此问题,在对数据本身性质进行观察分析后选择差分整合移动平均自回归(ARIMA)模型进行时序特征的概率预测,结合长短时记忆(LSTM)网络模型来学习复杂的且具有长期依赖性的非线性时序特征。提出基于ARIMA-LSTM的地表沉降预测模型,利用ARIMA模型对数据的时序线性部分进行预测,并将ARIMA模型预测的残差数据辅助LSTM模型训练,在考虑时序特征的同时对数据的随机性进行描述。研究结果表明,相较于单独采用ARIMA或LSTM模型,该方法具有更高的预测精度(MSE为0.262 87,MAE为0.408 15,RMSE为0.512 71)。进一步的对比结果显示,预测结果与雷达卫星影像数据(经SBAS-INSAR处理后)趋势一致,证实了该方法的有效性。 展开更多
关键词 煤矿采空区 地表沉降预测 时序概率预测 差分整合移动平均自回归 长短时记忆网络
在线阅读 下载PDF
计及铁心非线性的变压器空间动态磁场加速计算方法 被引量：1
5
作者 司马文霞 孙佳琪 +3 位作者 杨鸣 邹德旭 彭庆军 王劲松 《电工技术学报》 北大核心 2025年第5期1559-1574,共16页
快速获得变压器空间磁场动态分布是构建变压器数字孪生体的基础之一,然而现有快速计算方法难以快速、准确地获得铁心饱和工况下的磁场分布特性。因此,该文提出了计及铁心非线性的变压器空间动态磁场加速计算方法。首先,构建变压器电磁... 快速获得变压器空间磁场动态分布是构建变压器数字孪生体的基础之一,然而现有快速计算方法难以快速、准确地获得铁心饱和工况下的磁场分布特性。因此,该文提出了计及铁心非线性的变压器空间动态磁场加速计算方法。首先,构建变压器电磁场路耦合仿真模型,对关键变量进行参数化扫描,仿真获得不同非线性工况下的大量磁场数据,构建涉及铁心非线性工况的主磁通和漏磁通数据集;其次,提出融合卷积神经网络(CNN)和长短期记忆网络(LSTM)的双分支深度学习模型,训练提取磁场数据的空间和时间特征,解决主、漏磁通差异大造成的模型训练难题;最后,利用模型获得输入电压、电流与内部空间磁场分布的非线性映射关系,实现空间动态磁场的加速计算,为变压器数字孪生体的构建提供了快速获得磁场数据的方法。 展开更多
关键词 非线性 卷积神经网络 长短期记忆网络 磁场 加速计算
在线阅读 下载PDF
基于改进神经网络方法的继电保护设备健康状态预测方法 被引量：2
6
作者 杨畅 王洋 +2 位作者 张永伍 田琨 苏红 《中国测试》 北大核心 2025年第3期123-130,共8页
针对传统继电保护设备健康状态评估方法不全面、依赖专家系统且缺乏相关预测方法的问题,在电力系统全时空量测的环境下,基于长短时记忆网络提出继电保护设备健康状态预测方法。首先,提出继电保护设备家族缺陷健康评估模型、老化评估模... 针对传统继电保护设备健康状态评估方法不全面、依赖专家系统且缺乏相关预测方法的问题,在电力系统全时空量测的环境下,基于长短时记忆网络提出继电保护设备健康状态预测方法。首先,提出继电保护设备家族缺陷健康评估模型、老化评估模型、环境影响模型;其次,考虑到继电保护设备的负载是其老化故障的主因,提出负荷时空分布预测模型;第三,在上述模型的基础上,提出长短期记忆网络的继电保护设备健康状态预测模型;最后,以实际电网为例对所提方法进行验证,表明所提方法有效。 展开更多
关键词 继电保护设备 健康状态 预测 长短时记忆网络
在线阅读 下载PDF
多因素土壤墒情预测模型DA-LSTM-soil构建 被引量：1
7
作者 车银超 郑光 +3 位作者 熊淑萍 张明天 马新明 席磊 《河南农业大学学报》 北大核心 2025年第4期698-710,共13页
【目的】针对土壤墒情预测时特征因素复杂、预测精度不佳的问题,构建多因素土壤墒情预测模型DA-LSTM-soil,提高土壤墒情预测精度。【方法】以包含10个特征的气象和土壤时序数据作为输入,采用LSTM网络为基本单元,构建Encoder-Decoder网... 【目的】针对土壤墒情预测时特征因素复杂、预测精度不佳的问题,构建多因素土壤墒情预测模型DA-LSTM-soil,提高土壤墒情预测精度。【方法】以包含10个特征的气象和土壤时序数据作为输入,采用LSTM网络为基本单元,构建Encoder-Decoder网络结构,分别引入特征和时间两个注意力模块。利用河南省许昌市2020—2021年冬小麦生长过程中物联网监测站的气象、土壤数据集,对DA-LSTM-soil模型进行训练和测试。同时,利用DA-LSTM-soil模型对河南省4个不同土壤类型的小麦种植区的数据集进行预测。【结果】对比试验表明,相较于LSTM、CNN-LSTM、CNN-LSTM-attention、LSTM-attention等深度学习模型,DA-LSTM-soil模型在S_(RME)、S_(ME)、A_(ME)、R^(2)评价指标更优,分别达到0.1764、0.0311、0.0466、0.9938。消融试验显示,时间注意力对模型性能的提升高于特征注意力。对时间步的试验显示,用过往3000 min的数据进行预测时,模型性能最佳;模型精度随着预测时长的增加有所下降,然而在5000 min内,决定系数R2仍保持在0.7以上。【结论】利用注意力机制,DA-LSTMsoil模型在Encoder前计算不同气象和土壤因素对墒情影响的权重,在Decoder前计算数据的时序对墒情预测的权重,双阶段注意力机制在特征提取和权重分配方面的作用显著,使模型具有更好的预测性能和泛化能力,可以为田块尺度麦田土壤墒情预测提供技术依据。 展开更多
关键词 麦田 土壤墒情预测 时序数据 长短期记忆网络 注意力机制
在线阅读 下载PDF
基于数据驱动和机理模型的机械钻速预测 被引量：1
8
作者 郑双进 江厚顺 +4 位作者 熊梦园 孟胡 詹炜 程荣升 王立辉 《钻采工艺》 北大核心 2025年第1期78-87,共10页
为准确预测复杂工况下的机械钻速,提出了一种基于数据驱动和机理模型的机械钻速预测方法。首先对收集的8000余条钻井数据进行斯皮尔曼和曼特尔特性分析,筛选出有效施工参数,采用变分模态分解算法(VMD)进行数据降噪,然后构建时序卷积网... 为准确预测复杂工况下的机械钻速,提出了一种基于数据驱动和机理模型的机械钻速预测方法。首先对收集的8000余条钻井数据进行斯皮尔曼和曼特尔特性分析,筛选出有效施工参数,采用变分模态分解算法(VMD)进行数据降噪,然后构建时序卷积网络结合长短期记忆网络(TCN-LSTM)作为数据驱动模型,并融合多元钻速预测机理模型,通过物理约束增强数据驱动模型的准确性与可解释性,实验表明融合模型比单一数据驱动模型或机理模型预测精度更高。随后,为进一步提升模型性能,采用了改进的蜣螂优化算法(IDBO)对TCN-LSTM模型进行优化,通过改进种群初始化和更新策略,实现了参数的高效搜索。消融实验及现场应用结果表明,对比BP、RF、LSTM、TCN模型,TCN-LSTM-IDBO模型可以实现机械钻速的精确预测,并且具有较好的泛化能力,可为钻井施工人员提供有力参考。 展开更多
关键词 机械钻速预测 时序卷积网络 长短期记忆网络 变分模态分解 蜣螂优化算法 数据分析
在线阅读 下载PDF
面向涡轮的PCA-POA-LSTM数据驱动建模及故障预警方法 被引量：1
9
作者 刘斌 白红艳 +3 位作者 何璐瑶 张晓北 田野 杨理践 《电子测量与仪器学报》 北大核心 2025年第1期145-155,共11页
针对传统LSTM数据驱动模型存在输入参数规模过大导致运算负担过大、超参数选择不当和涡轮系统故障发生频率、运维成本高的问题,提出一种基于PCA-POA-LSTM的涡轮数据驱动建模方法,并结合滑动窗口法实现了涡轮故障预警。首先,应用PCA降维... 针对传统LSTM数据驱动模型存在输入参数规模过大导致运算负担过大、超参数选择不当和涡轮系统故障发生频率、运维成本高的问题,提出一种基于PCA-POA-LSTM的涡轮数据驱动建模方法,并结合滑动窗口法实现了涡轮故障预警。首先,应用PCA降维技术,减少输入数据维度;其次,采用POA参数寻优方法选出最优超参数组合;然后,利用LSTM算法预测涡轮的输出参数;最后,在PCA-POA-LSTM涡轮数据驱动模型预测结果的基础上,结合滑动窗口法对涡轮故障进行预警,通过窗口内标准差定义报警阈值,攻克了涡轮故障预警的难题。结果表明,以PCA-POA-LSTM为基础的涡轮数据驱动建模实现了较高的精确度,平均绝对百分比误差均在0.396以下,平均绝对误差均在0.809以下,平均方根误差均在1.387以下。并且故障预警方法,至少可提前173个监测点发出故障预警信号,实现了对涡轮故障预警的目的,为未来开展涡轮健康管理提供了理论依据和技术支持。 展开更多
关键词 涡轮 鹈鹕优化算法 长短期记忆网络 主成分分析 数据驱动
在线阅读 下载PDF
基于SSA-LSTM-Attention的日光温室环境预测模型 被引量：1
10
作者 孟繁佳 许瑞峰 +3 位作者 赵维娟 宋文臻 高艺璇 李莉 《农业工程学报》 北大核心 2025年第11期256-263,共8页
建立准确的温室环境预测模型有助于精准调控温室环境促进作物的生长发育,针对温室小气候具有时序性、非线性和强耦合等特点,该研究提出了一种基于SSA-LSTM-Attention(sparrow search algorithm-long short-term memoryattention mechani... 建立准确的温室环境预测模型有助于精准调控温室环境促进作物的生长发育,针对温室小气候具有时序性、非线性和强耦合等特点,该研究提出了一种基于SSA-LSTM-Attention(sparrow search algorithm-long short-term memoryattention mechanism)的日光温室环境预测模型。首先,通过温室物联网数据采集系统获取温室内外环境数据;其次,使用皮尔逊相关性分析法筛选出强相关性因子;最后,构建环境特征时间序列矩阵输入模型进行温室环境预测。对日光温室的室内温度、室内湿度、光照强度和土壤湿度4种环境因子的预测,SSA-LSTM-Attention模型的平均拟合指数达到了97.9%。相较于反向传播神经网络(back propagation neural network,BP)、门控循环单元(gate recurrent unit,GRU)、长短期记忆神经网络(long short term memory,LSTM)和LSTM-Attention(long short-term memory-attention mechanism)模型,分别提高8.1、4.1、3.5、3.0个百分点;平均绝对百分比误差为2.6%,分别降低6.5、3.2、2.8、2.5个百分点。试验结果表明,通过利用SSA自动优化LSTM-Attention模型的超参数,提高了模型预测精度,为日光温室环境超前调控提供了有效的数据支持。 展开更多
关键词 日光温室 麻雀搜索算法 长短期记忆网络 注意力机制 环境预测模型
在线阅读 下载PDF
基于改进长短期记忆网络模型的水库库区水温模拟 被引量：1
11
作者 郑铁刚 吴茂喜 +3 位作者 张迪 金瑾 林俊强 孙双科 《农业工程学报》 北大核心 2025年第3期144-153,共10页
水温是影响水库水生态系统的“主因子”,了解库区水温分布及预测未来的水温变化对保护水库生态具有重要的意义。针对水库水温结构复杂、实时预测困难的技术问题,该研究通过在传统的长短期记忆网络模型(long short-term memory,LSTM)中... 水温是影响水库水生态系统的“主因子”,了解库区水温分布及预测未来的水温变化对保护水库生态具有重要的意义。针对水库水温结构复杂、实时预测困难的技术问题,该研究通过在传统的长短期记忆网络模型(long short-term memory,LSTM)中嵌入相关分析模块自动筛选模型的特征输入,并优化输出维度,提出了一种改进的LSTM模型,并在溪洛渡水库工程开展了模型应用研究,结果表明:1)改进LSTM模型的均方根误差最大值为0.63,纳什效率系数最小值为0.96,表明模型整体性能较好,能够精准地捕捉数据中的长期依赖关系;2)基于改进LSTM模型的库区水温分布预测值和环境流体动力学模型(environmental fluid dynamics code,EFDC)模拟值随时间的量值分布及变化规律基本一致,两者的库区表层年际误差值为-1.19~1.04℃,中层年际误差值为-1.06~1.68℃,底层年际误差值为-1.28~1.07℃,年际水温最大相对误差为8.3%;3)相较于EFDC模型多天的模拟时长,改进模型的计算时间缩短至几百秒,计算效率大幅提升,实现了水温分布的快速、实时精准预测。该研究通过改进LSTM模型,实现了深水水库垂向水温的高效预测,研究结果可为分层取水设施的优化调控提供技术支撑。 展开更多
关键词 水温 模拟 改进的长短期网络记忆模型 水温分布 相关性分析 水温预测 人工智能学习
在线阅读 下载PDF
基于多空间维度联合方法改进的BiLSTM出水氨氮预测方法 被引量：2
12
作者 王雷 张煜 +3 位作者 赵艺琨 刘明勇 刘子航 李杰 《中国农村水利水电》 北大核心 2025年第2期17-24,共8页
出水氨氮作为衡量污水处理厂水质处理工艺的重要指标之一,准确预测污水处理厂出水水质中的氨氮含量对于及时调整处理工艺,保障水环境安全有着重要的作用。提出了一种基于联合多空间维度(Multi-spatial Dimensional Cooperative Attenti... 出水氨氮作为衡量污水处理厂水质处理工艺的重要指标之一,准确预测污水处理厂出水水质中的氨氮含量对于及时调整处理工艺,保障水环境安全有着重要的作用。提出了一种基于联合多空间维度(Multi-spatial Dimensional Cooperative Attention)改进的双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)的水质预测模型,首先通过皮尔逊(Pearson)系数法筛选出与出水氨氮相关性较强的总氮、污泥沉降比和温度3个指标作为模型输入,联合3个维度的强相关信息对未来6 h的出水氨氮进行预测。结果表明,MDCA-BiLSTM模型在融合残差序列后对出水氨氮的预测准确率R2为0.979,并在太平污水处理厂和文昌污水处理厂两个站点收集到的数据集上总氮、总磷和溶解氧的均方根误差分别为0.002、0.003、0.001和0.004、0.003、0.002;预测精度分别为0.959、0.947、0.971和0.962、0.951、0.983;与BiLSTM相比,均方根误差分别降低了0.007、0.007、0.007和0.017、0.006、0.005;预测精度分别提高了0.176、0.183、0.258和0.098、0.109、0.11。同时,该模型在面对未来6、12和24 h的预测步长时,仍能够达到0.956、0.933和0.917的预测精度,说明改进后的模型在预测准确性和鲁棒性方面表现出显著优势。该方法能够有效提高污水处理厂出水氨氮的及其他指标的预测准确性,可作为水资源循环和管理决策的一种有效参考手段,具有较强的实际应用价值。 展开更多
关键词 水质参数 时序预测 时序卷积网络 双向长短期记忆循环神经网络 注意力机制
在线阅读 下载PDF
基于BiLSTM-AM-ResNet组合模型的山西焦煤价格预测 被引量：1
13
作者 樊园杰 睢祎平 张磊 《中国煤炭》 北大核心 2025年第3期42-51,共10页
煤炭作为我国重要的基础能源,其价格的波动会直接影响国民经济发展与能源市场稳定,因此对煤炭价格进行预测具有重要意义。针对我国煤炭价格受政策与供求关系影响大、多呈现非线性的变化趋势,且目前存在的煤价预测方法存在滞后性大等问题... 煤炭作为我国重要的基础能源,其价格的波动会直接影响国民经济发展与能源市场稳定,因此对煤炭价格进行预测具有重要意义。针对我国煤炭价格受政策与供求关系影响大、多呈现非线性的变化趋势,且目前存在的煤价预测方法存在滞后性大等问题,以山西焦煤价格为研究对象,分析影响煤炭价格的多种因素,并利用先进的人工智能机器学习算法来解决煤价预测问题。综合双向长短期记忆网络、注意力机制和残差神经网络的优势,构建双向长短期残差神经网络(BiLSTM-AM-ResNet)进行山西焦煤价格预测实验。采集2012-2023年的山西焦煤价格周度数据作为实验数据,对其进行空缺值处理和归一化处理,绘制相关系数热图并确定模型输入特征类型,进而简化模型并提高预测准确率与预测速度。通过模型预测实验得出,经BiLSTM-AM-ResNet模型预测的山西焦煤价格与实际煤价的发展趋势有着较高的线性拟合性,且预测结果与真实煤价在数值上非常接近,预测准确率达到了95.08%。 展开更多
关键词 焦煤价格预测 长短期记忆网络 注意力机制 残差神经网络 相关性分析
在线阅读 下载PDF
基于时间卷积和长短期记忆网络的短期云资源预测模型 被引量：1
14
作者 陈基漓 李海军 谢晓兰 《科学技术与工程》 北大核心 2025年第7期2856-2864,共9页
随着容器云技术的不断深入发展,通过预测分析云资源请求的整体趋势及高峰期,对于容器云资源的高效利用和合理分配具有重要意义。利用深度学习技术进行负载预测已经成为解决容器云资源利用率不平衡的关键技术。针对目前负载预测的单一模... 随着容器云技术的不断深入发展,通过预测分析云资源请求的整体趋势及高峰期,对于容器云资源的高效利用和合理分配具有重要意义。利用深度学习技术进行负载预测已经成为解决容器云资源利用率不平衡的关键技术。针对目前负载预测的单一模型和组合模型所存在的预测精度低以及捕获序列特征不充分问题,提出基于时间卷积和长短期记忆网络(temporal convolutional network-long short-term memory, TCN-LSTM)的短期云资源组合预测模型,组合模型中的空洞卷积在不减少特征尺寸的情况下增加感受野获取更长久的时间序列特征,其中残差网络可以跨层传递信息以加快网络的收敛,所获取的时间序列特征可有效提高LSTM的预测精度。利用阿里巴巴公开数据集的进行预测,实验表明所提出的模型与单一的预测模型以及其他组合模型进行对比分析,误差指标-平均绝对误差(mean absolute error, MAE)降低8%~13.7%,均方根误差(root mean squared error, RMSE)降低9.8%~13.1%,证明所提模型的有效性。 展开更多
关键词 容器云 云资源预测 时间卷积网络(TCN) 长短期记忆网络(LSTM)
在线阅读 下载PDF
基于BP-DCKF-LSTM的锂离子电池SOC估计 被引量：1
15
作者 张宇 李维嘉 吴铁洲 《电源技术》 北大核心 2025年第1期155-166,共12页
电池荷电状态(SOC)的准确估计是电池管理系统(BMS)的核心功能之一。为了提高锂电池SOC估算精度,提出了一种将反向传播神经网络(BP)、双容积卡尔曼滤波(DCKF)和长短期记忆神经网络(LSTM)相结合的SOC估计方法。针对多温度条件下传统多项... 电池荷电状态(SOC)的准确估计是电池管理系统(BMS)的核心功能之一。为了提高锂电池SOC估算精度,提出了一种将反向传播神经网络(BP)、双容积卡尔曼滤波(DCKF)和长短期记忆神经网络(LSTM)相结合的SOC估计方法。针对多温度条件下传统多项式拟合法在拟合开路电压(OCV)与SOC时效果较差的问题,提出了一种基于BP神经网络的拟合方法,通过验证表明该方法能有效提高拟合精度。针对单独使用模型法或数据驱动法估计SOC各自存在的优缺点,提出了一种将DCKF与LSTM相结合的估计方法,在提高估计精度的同时,可以减少参数调节时间和训练成本。实验验证表明,BP-DCKF-LSTM算法的均方根误差(RMSE)和平均绝对误差(MAE)分别小于0.5%和0.4%,具有较高的SOC估算精度和鲁棒性。 展开更多
关键词 荷电状态 反向传播神经网络 双容积卡尔曼滤波 长短期记忆神经网络
在线阅读 下载PDF
基于Bi-LSTM和改进残差学习的风电功率超短期预测方法 被引量：2
16
作者 王进峰 吴盛威 +1 位作者 花广如 吴自高 《华北电力大学学报(自然科学版)》 北大核心 2025年第1期56-65,共10页
现有的方法在以风电功率时间序列拟合功率曲线时,难以表达风电功率数据所包含的趋势性和周期性等时间信息而出现性能退化问题,从而导致预测精度下降。为了解决性能退化问题从而提高风电功率时间序列预测的精度,提出了基于双向长短时记忆... 现有的方法在以风电功率时间序列拟合功率曲线时,难以表达风电功率数据所包含的趋势性和周期性等时间信息而出现性能退化问题,从而导致预测精度下降。为了解决性能退化问题从而提高风电功率时间序列预测的精度,提出了基于双向长短时记忆(Bi-LSTM)和改进残差学习的风电功率预测方法。方法由两个部分组成,第一部分是以Bi-LSTM为主的多残差块上,结合稠密残差块网络(DenseNet)与多级残差网络(MRN)的残差连接方式,并且在残差连接上使用一维卷积神经网络(1D CNN)来提取风电功率值中时序的非线性特征部分。第二部分是Bi-LSTM与全连接层(Dense)组成的解码器,将多残差块提取到的功率值时序非线性特征映射为预测结果。方法在实际运行的风电功率数据上进行实验,并与常见的残差网络方法和时间序列预测方法进行对比。方法相比于其他模型方法有着更高的预测精度以及更好的泛化能力。 展开更多
关键词 深度学习 残差网络 风电功率预测 双向长短时记忆 一维卷积神经网络
在线阅读 下载PDF
基于机器学习的酸性气藏地下储气库硫化氢含量预测方法 被引量：1
17
作者 冯国庆 杜勤锟 +3 位作者 周道勇 蔡家兰 程希 莫海帅 《天然气工业》 北大核心 2025年第2期159-169,共11页
地下储气库(以下简称储气库)中含有硫化氢等有害气体,不仅影响储气库的安全运行,还直接对环境造成严重污染,准确预测储气库采出气组分中H2S的含量具有重要意义。目前,常采用油藏数值模拟的组分模型来预测H2S含量,但其计算过程复杂且耗... 地下储气库(以下简称储气库)中含有硫化氢等有害气体,不仅影响储气库的安全运行,还直接对环境造成严重污染,准确预测储气库采出气组分中H2S的含量具有重要意义。目前,常采用油藏数值模拟的组分模型来预测H2S含量,但其计算过程复杂且耗时较长,不能方便快捷地用于储气库单井H2S的含量预测。为此,以HCX储气库为研究对象,在建立储气库的机理模型并开展数值模拟的基础上,以机理模型计算的储气库多周期H2S预测结果为样本集,应用多输出支持向量回归(MSVR)、长短期记忆网络(LSTM)、人工神经网络(ANN)3种机器学习算法建立了硫化氢含量的智能代理模型,并对3种模型预测精度进行对比分析。研究结果表明:①长短期记忆网络模型具有适中的训练时间、较好的预测精度,可将该模型作为HCX储气库的H2S预测智能代理模型;②进一步对LSTM模型的训练数据和过渡拟合问题进行优化,确定最佳训练数集1500组,最佳丢弃率为0.2,隐含层设置范围可控制在层数1~2层,节点数30~60个;③经HCX储气库的实例应用表明,建立的LSTM智能代理模型能够准确预测储气库采出气中H2S的含量。结论认为,经过优化的LSTM算法智能代理模型具有较好的外推性,该研究成果可为含H2S储气库的建设和安全高效运行提供技术支持。 展开更多
关键词 含硫储气库 数值模拟 组分模拟 硫化氢含量预测 机器学习 长短期记忆网络模型 机器学习模型优化
在线阅读 下载PDF
利用混合深度学习算法的时空风速预测 被引量：1
18
作者 贵向泉 孟攀龙 +2 位作者 孙林花 秦三杰 刘靖红 《太阳能学报》 北大核心 2025年第3期668-678,共11页
风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLS... 风速预测的准确性始终不理想,为解决风速复杂的时空相关性和非线性问题,提出一种新颖的混合深度学习模型。首先,采用二次分解法将输入序列分解为具有不同频率振动模式的模态分量(IMF);使用图卷积神经网络(GCN)和双向长短期记忆网络(BiLSTM)来预测高频分量;使用自适应图时空Transformer网络(ASTTN)来预测低频分量,以充分考虑输入序列的时空相关性。最后将高频分量和低频分量合并叠加,得到最终的预测结果。将该模型应用于甘肃省某风电场进行风速预测,实验结果表明,所提出混合深度学习模型能有效提高风速预测的准确性。 展开更多
关键词 风速 预测 深度学习 图卷积神经网络 双向长短期记忆网络 自适应图时空Transformer
在线阅读 下载PDF
融合二次分解的深度学习模型在PM_(2.5)浓度预测中的应用 被引量：2
19
作者 江雨燕 黄体臣 +1 位作者 甘如美江 王付宇 《安全与环境学报》 北大核心 2025年第1期296-309,共14页
针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode De... 针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Variational Mode Decomposition-Temporal Convolutional Network-Bi-directional Long Short-Term Memory,CEEMDAN-VMD-TCN-BiLSTM)。该模型先由递归特征消除(Recursive Feature Elimination,RFE)进行特征筛选,随后使用自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)将2013—2016年北京市PM_(2.5)质量浓度序列分解为一系列高低频模态分量并计算各分量样本熵,将样本熵由K-means聚类整合为新的分量,再由变分模态分解(Variational Mode Decomposition,VMD)方法进行二次分解。最后,将所有分量先经时间卷积网络(Temporal Convolutional Network,TCN)进行特征提取,并通过双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)预测,叠加各分量预测值即为最终预测结果。消融试验结果显示,该模型相比于单次CEEMDAN分解模型均方根误差E_(MAPE)降低19.312%,绝对误差E_(MAE)降低34.423%,百分比误差E_(MAPE)与希尔不等系数E_(TIC)分别减少40.465百分点和59.794%。由此可见,研究在引入VMD构成二次分解模型相比于单次分解模型的预测误差更小,精度更高,可为决策者在PM_(2.5)质量浓度预测与治理等工作提供一定参考。 展开更多
关键词 环境工程学 PM_(2.5)质量浓度预测 自适应噪声的完备经验模态分解 变分模态分解 时间卷积网络 双向长短期记忆网络
在线阅读 下载PDF
基于ASFF-AAKR和CNN-BILSTM滚动轴承寿命预测 被引量：1
20
作者 张永超 刘嵩寿 +2 位作者 陈昱锡 杨海昆 陈庆光 《科学技术与工程》 北大核心 2025年第2期567-573,共7页
针对滚动轴承寿命预测精度低,构建健康指标困难的问题。提出了一种基于自适应特征融合(adaptively spatial feature fusion,ASFF)和自联想核回归模型(auto associative kernel regression,AAKR)与卷积神经网络(convolutional neural net... 针对滚动轴承寿命预测精度低,构建健康指标困难的问题。提出了一种基于自适应特征融合(adaptively spatial feature fusion,ASFF)和自联想核回归模型(auto associative kernel regression,AAKR)与卷积神经网络(convolutional neural networks,CNN)和双向长短期记忆网络(bi-directional long-short term memory,BILSTM)的轴承剩余寿命预测模型。首先,在时域、频域和时频域提取多维特征,利用单调性和趋势性筛选敏感特征;其次利用ASFF-AAKR对敏感特征进行特征融合构建健康指标;最后,将健康指标输入到CNN和BILSTM中,实现对滚动轴承的寿命预测。结果表明:所构建的寿命预测模型优于其他模型,该方法具有更低的误差、寿命预测精度更高。 展开更多
关键词 滚动轴承 自适应特征融合 自联想核回归 卷积神经网络 双向长短期记忆网络 剩余寿命预测
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 … 179 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