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VMD-TCN-GRU模型的水质预测研究
被引量：
8
1
作者
项新建
许宏辉
+4 位作者
谢建立
丁祎
胡海斌
郑永平
杨斌
《人民黄河》
CAS
北大核心
2024年第3期92-97,共6页
为充分挖掘水质数据在短时震荡中的变化特征,提升预测模型的精度,提出一种基于VMD(变分模态分解)、TCN(卷积时间神经网络)及GRU(门控循环单元)组成的混合水质预测模型,采用VMD-TCN-GRU模型对汾河水库出水口高锰酸盐指数进行预测,并与此...
为充分挖掘水质数据在短时震荡中的变化特征,提升预测模型的精度,提出一种基于VMD(变分模态分解)、TCN(卷积时间神经网络)及GRU(门控循环单元)组成的混合水质预测模型,采用VMD-TCN-GRU模型对汾河水库出水口高锰酸盐指数进行预测,并与此类研究中常见的SVR(支持向量回归)、LSTM(长短期记忆神经网络)、TCN和CNN-LSTM(卷积神经网络-长短期记忆神经网络)这4种模型预测结果对比表明:VMD-TCN-GRU模型能更好挖掘水质数据在短时震荡过程中的特征信息,提升水质预测精度;VMD-TCN-GRU模型的MAE(平均绝对误差)、RMSE(均方根误差)下降,R^(2)(确定系数)提高,其MAE、RMSE、R^(2)分别为0.0553、0.0717、0.9351;其预测性能优越,预测精度更高且拥有更强的泛化能力,可以应用于汾河水质预测。
展开更多
关键词
水质预测
混合模型
变分模态分解
卷积时间神经网络
门控循环单元
时间序列
汾河
在线阅读
下载PDF
职称材料
基于改进YOLOv5s的水面漂浮物检测算法研究
被引量：
6
2
作者
项新建
翁云龙
+4 位作者
谢建立
郑永平
吴善宝
许宏辉
杨斌
《人民黄河》
CAS
北大核心
2024年第7期85-91,共7页
水面图像具有水波扰动、光线反射、岸上倒影等复杂特征,导致现有目标检测方法不能很好地完成对水面漂浮物的识别。基于此,提出了一种基于改进YOLOv5s的水面漂浮物检测优化模型,通过增加目标检测层以提升模型检测多尺度目标的能力,在特...
水面图像具有水波扰动、光线反射、岸上倒影等复杂特征,导致现有目标检测方法不能很好地完成对水面漂浮物的识别。基于此,提出了一种基于改进YOLOv5s的水面漂浮物检测优化模型,通过增加目标检测层以提升模型检测多尺度目标的能力,在特征融合层引入无参注意力机制SimAM以提高模型对漂浮物特征的学习,并采用CARAFE上采样方式增强网络的感受野以提高对特征的重建能力,在YOLOv5s网络结构中融入卷积混合层以保持模型检测精度且减少参数量,从而提高模型运行速度。实例验证结果表明:改进模型检测效果良好,平均精度达97.1%,较原YOLOv5s模型提高了4.9个百分点,能够有效改善水面漂浮物漏检、误检问题。
展开更多
关键词
漂浮物检测
YOLOv5s
多尺度特征检测
注意力机制
CARAFE
卷积混合层
在线阅读
下载PDF
职称材料
题名
基于VMD-TCN-GRU模型的水质预测研究
被引量：
8
1
作者
项新建
许宏辉
谢建立
丁祎
胡海斌
郑永平
杨斌
机构
浙江
科技
学院自动化与电气工程学院
凯
铭
科技
(
杭州
)
有限公司
出处
《人民黄河》
CAS
北大核心
2024年第3期92-97,共6页
基金
浙江省自然科学基金资助项目(LY19F030004,LQ16F030002)
浙江省重点研发计划项目(202206)
杭州市科技发展计划项目(202203B21)。
文摘
为充分挖掘水质数据在短时震荡中的变化特征,提升预测模型的精度,提出一种基于VMD(变分模态分解)、TCN(卷积时间神经网络)及GRU(门控循环单元)组成的混合水质预测模型,采用VMD-TCN-GRU模型对汾河水库出水口高锰酸盐指数进行预测,并与此类研究中常见的SVR(支持向量回归)、LSTM(长短期记忆神经网络)、TCN和CNN-LSTM(卷积神经网络-长短期记忆神经网络)这4种模型预测结果对比表明:VMD-TCN-GRU模型能更好挖掘水质数据在短时震荡过程中的特征信息,提升水质预测精度;VMD-TCN-GRU模型的MAE(平均绝对误差)、RMSE(均方根误差)下降,R^(2)(确定系数)提高,其MAE、RMSE、R^(2)分别为0.0553、0.0717、0.9351;其预测性能优越,预测精度更高且拥有更强的泛化能力,可以应用于汾河水质预测。
关键词
水质预测
混合模型
变分模态分解
卷积时间神经网络
门控循环单元
时间序列
汾河
Keywords
water quality prediction
mixed model
Variational Mode Decomposition
Temporal Convolution Network
Gated Recurrent Unit
time series
Fenhe River
分类号
TV213.4 [水利工程—水文学及水资源]
X524 [环境科学与工程—环境工程]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv5s的水面漂浮物检测算法研究
被引量：
6
2
作者
项新建
翁云龙
谢建立
郑永平
吴善宝
许宏辉
杨斌
机构
浙江
科技
大学自动化与电气工程学院
凯
铭
科技
(
杭州
)
有限公司
出处
《人民黄河》
CAS
北大核心
2024年第7期85-91,共7页
基金
浙江省自然科学基金资助项目(LQ16F030002)
浙江省重点研发计划项目(202206)
杭州市科技计划发展项目(202203B21)。
文摘
水面图像具有水波扰动、光线反射、岸上倒影等复杂特征,导致现有目标检测方法不能很好地完成对水面漂浮物的识别。基于此,提出了一种基于改进YOLOv5s的水面漂浮物检测优化模型,通过增加目标检测层以提升模型检测多尺度目标的能力,在特征融合层引入无参注意力机制SimAM以提高模型对漂浮物特征的学习,并采用CARAFE上采样方式增强网络的感受野以提高对特征的重建能力,在YOLOv5s网络结构中融入卷积混合层以保持模型检测精度且减少参数量,从而提高模型运行速度。实例验证结果表明:改进模型检测效果良好,平均精度达97.1%,较原YOLOv5s模型提高了4.9个百分点,能够有效改善水面漂浮物漏检、误检问题。
关键词
漂浮物检测
YOLOv5s
多尺度特征检测
注意力机制
CARAFE
卷积混合层
Keywords
floating object detection
YOLOv5s
multi-scale feature detection
attention mechanism
CARAFE
ConvMixer Layer
分类号
TV213.4 [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VMD-TCN-GRU模型的水质预测研究
项新建
许宏辉
谢建立
丁祎
胡海斌
郑永平
杨斌
《人民黄河》
CAS
北大核心
2024
8
在线阅读
下载PDF
职称材料
2
基于改进YOLOv5s的水面漂浮物检测算法研究
项新建
翁云龙
谢建立
郑永平
吴善宝
许宏辉
杨斌
《人民黄河》
CAS
北大核心
2024
6
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
