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
2
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
基于改进Seq2Seq的船舶轨迹预测模型
1
作者
唐家乐
段兴锋
姚鹏
《上海海事大学学报》
北大核心
2025年第2期18-22,共5页
针对传统循环神经网络(recurrent neural network,RNN)模型收敛速度慢、精度低,导致海上船舶预测轨迹与真实轨迹之间差别较大的问题,构建由RNN组成的Seq2Seq(sequence to sequence)模型。引入注意力机制和卷积神经网络(convolutional ne...
针对传统循环神经网络(recurrent neural network,RNN)模型收敛速度慢、精度低,导致海上船舶预测轨迹与真实轨迹之间差别较大的问题,构建由RNN组成的Seq2Seq(sequence to sequence)模型。引入注意力机制和卷积神经网络(convolutional neural network,CNN)对模型进行改进,加强对数据特征的提取能力,加快模型收敛速度并提高轨迹预测精度。实验结果显示:与传统RNN模型相比,Seq2Seq模型的均方误差、均方根误差和平均绝对误差分别降低81.41%、12.67%和62.43%;与Seq2Seq模型相比,改进Seq2Seq模型的均方误差、均方根误差和平均绝对误差分别降低42.87%、69.27%和45.79%。
展开更多
关键词
船舶轨迹预测
Seq2Seq(
sequence
to
sequence
)
注意力机制
卷积神经网络(CNN)
循环神经网络(RNN)
在线阅读
下载PDF
职称材料
深度学习方法在上海市PM2.5浓度预报中的应用
被引量：
10
2
作者
马井会
曹钰
+2 位作者
余钟奇
瞿元昊
许建明
《中国环境科学》
EI
CAS
CSCD
北大核心
2020年第2期530-538,共9页
为提升PM2.5浓度预报能力,尤其是对PM2.5重污染的预报能力,以中尺度气象-化学耦合模式系统(WRF-Chem)为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市...
为提升PM2.5浓度预报能力,尤其是对PM2.5重污染的预报能力,以中尺度气象-化学耦合模式系统(WRF-Chem)为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM2.5统计预报模型.结果表明,人工智能深度学习算法(Seq2seq)明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m3下降至15.01μg/m3.而单独使用套索法(Lasso)线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM2.5浓度预报修正模型能够有效提升预报精度.
展开更多
关键词
sequence
to
sequence
模型
PM2.5浓度预报
WRF-Chem
上海市
在线阅读
下载PDF
职称材料
题名
基于改进Seq2Seq的船舶轨迹预测模型
1
作者
唐家乐
段兴锋
姚鹏
机构
集美大学航海学院
出处
《上海海事大学学报》
北大核心
2025年第2期18-22,共5页
基金
福建省自然科学基金(2019J01325)。
文摘
针对传统循环神经网络(recurrent neural network,RNN)模型收敛速度慢、精度低,导致海上船舶预测轨迹与真实轨迹之间差别较大的问题,构建由RNN组成的Seq2Seq(sequence to sequence)模型。引入注意力机制和卷积神经网络(convolutional neural network,CNN)对模型进行改进,加强对数据特征的提取能力,加快模型收敛速度并提高轨迹预测精度。实验结果显示:与传统RNN模型相比,Seq2Seq模型的均方误差、均方根误差和平均绝对误差分别降低81.41%、12.67%和62.43%;与Seq2Seq模型相比,改进Seq2Seq模型的均方误差、均方根误差和平均绝对误差分别降低42.87%、69.27%和45.79%。
关键词
船舶轨迹预测
Seq2Seq(
sequence
to
sequence
)
注意力机制
卷积神经网络(CNN)
循环神经网络(RNN)
Keywords
ship trajec
to
ry prediction
Seq2Seq(
sequence to sequence
)
attention mechanism
convolutional neural network(CNN)
recurrent neural network(RNN)
分类号
U675.7 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
深度学习方法在上海市PM2.5浓度预报中的应用
被引量：
10
2
作者
马井会
曹钰
余钟奇
瞿元昊
许建明
机构
长三角环境气象预报预警中心
复旦大学
上海市气象与健康重点实验室
出处
《中国环境科学》
EI
CAS
CSCD
北大核心
2020年第2期530-538,共9页
基金
国家重点研发计划项目(2016YFC0201900)
国家自然科学基金资助项目(41475040)
+2 种基金
上海市科委自然科学基金资助项目(19ZR1462100)
上海气象局面上科研项目(MS201808)
上海气象局启明星科研项目(QM201715)。
文摘
为提升PM2.5浓度预报能力,尤其是对PM2.5重污染的预报能力,以中尺度气象-化学耦合模式系统(WRF-Chem)为基础,结合中尺度WRF气象预报数据、地面及高空气象观测数据、PM2.5浓度观测数据,基于人工智能深度学习序列到序列的算法建立了上海市PM2.5统计预报模型.结果表明,人工智能深度学习算法(Seq2seq)明显修正了WRF-Chem模式由于模型非客观性造成的偏差,提高了上海市PM2.5浓度的预报能力;该算法优化和修正了WRF-Chem模式结果,并通过检验发现可以使PM2.5浓度预报值与实况值间的相关系数由0.51上升至0.79,均方根误差由25.9μg/m3下降至15.01μg/m3.而单独使用套索法(Lasso)线性回归算法对WRF-Chem模式优化效果不理想.基于Seq2seq的PM2.5浓度预报修正模型能够有效提升预报精度.
关键词
sequence
to
sequence
模型
PM2.5浓度预报
WRF-Chem
上海市
Keywords
sequence to sequence
model
PM2.5 forecast
WRF-Chem
Shanghai
分类号
X513 [环境科学与工程—环境工程]
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
基于改进Seq2Seq的船舶轨迹预测模型
唐家乐
段兴锋
姚鹏
《上海海事大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
深度学习方法在上海市PM2.5浓度预报中的应用
马井会
曹钰
余钟奇
瞿元昊
许建明
《中国环境科学》
EI
CAS
CSCD
北大核心
2020
10
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
