期刊文献+
共找到15篇文章
< 1 >
每页显示 20 50 100
中国保险业系统性风险的评估与预警研究——基于Attention-LSTM模型的分析 被引量:2
1
作者 师荣蓉 杨娅 《财经理论与实践》 北大核心 2025年第2期26-34,共9页
基于保险业系统性风险传导机制和预警机制的理论分析,利用CoVaR方法评估保险业系统性风险,从微观保险机构和宏观经济环境构建Attention-LSTM模型对保险业系统性风险进行预警分析。研究发现:当遭遇重大事件冲击时,系统重要性保险机构对... 基于保险业系统性风险传导机制和预警机制的理论分析,利用CoVaR方法评估保险业系统性风险,从微观保险机构和宏观经济环境构建Attention-LSTM模型对保险业系统性风险进行预警分析。研究发现:当遭遇重大事件冲击时,系统重要性保险机构对保险业的风险溢出增加;将金融压力指数纳入风险预警体系,其预测平均绝对误差、均方根误差和平均绝对百分比误差分别降低8.59%、7.27%和4.55%;Attention-LSTM模型能捕捉风险间的关联性和传染性,在预测准确性、泛化能力和时间稳定性方面均优于传统机器学习模型。鉴于此,应建立保险业风险分区管理体系,融合深度学习模型多维度构建保险业系统性风险预警机制。 展开更多
关键词 保险业系统性风险 评估 预警 attention-lstm模型
在线阅读 下载PDF
基于Attention-LSTM网络的地震前兆研究
2
作者 陈新房 赵晗清 +1 位作者 杨丽佳 汪世伟 《电脑与电信》 2024年第9期23-27,共5页
以2015年4月13日10时28分在建水县发生的4.7级地震事件为例,分析地下水水位变化在地震前兆方面的潜力。将地震周边通海高大井与建水井的地下水水位数据集划分为地震活跃期和非活跃期,设计了Attention-LSTM模型对划分数据进行训练。实验... 以2015年4月13日10时28分在建水县发生的4.7级地震事件为例,分析地下水水位变化在地震前兆方面的潜力。将地震周边通海高大井与建水井的地下水水位数据集划分为地震活跃期和非活跃期,设计了Attention-LSTM模型对划分数据进行训练。实验结果表明,该模型不仅能够捕捉到地震引起的地下水水位异常变化而且在同震不同井上的效果理想,模型具有迁移能力,可以泛用在同震的不同井,为利用地下水水位作为地震前兆指标提供了启示。这种方法对于分析地下水水位变化检测地震前兆的研究方法具有一定的科学价值和现实意义,有望为地震预警和防灾减灾工作提供新的思路。 展开更多
关键词 attention-lstm模型 时间序列 地下水水位 地震前兆异常
在线阅读 下载PDF
基于Attention-LSTM时序模型的机械钻速预测方法
3
作者 王彬 徐英卓 +1 位作者 刘烨 李燕 《西安石油大学学报(自然科学版)》 CAS 北大核心 2024年第5期85-95,共11页
针对石油天然气开采成本优化的需求,聚焦钻井作业中提速的关键技术,即机械钻速的预测。传统预测方法通常只考虑瞬时工程参数对机械钻速的影响,而未充分考虑钻井作业的时序性以及机械钻速在时间序列上的相关性。提出一种结合时序特征的... 针对石油天然气开采成本优化的需求,聚焦钻井作业中提速的关键技术,即机械钻速的预测。传统预测方法通常只考虑瞬时工程参数对机械钻速的影响,而未充分考虑钻井作业的时序性以及机械钻速在时间序列上的相关性。提出一种结合时序特征的机械钻速预测模型,该模型基于Attention-LSTM架构。通过Attention机制,模型有效捕捉了工程参数与机械钻速之间的相关性,并利用LSTM网络提取参数的时序特征,增强了模型对时间依赖性的捕捉能力。实验结果证实,所提模型相较于传统深度神经网络在预测精度上有显著提升。添加的Attention机制进一步提升了模型的解释性、训练效率及预测准确性。采用实际油田钻井数据对提出的方法进行了验证,并与现有几种机械钻速预测模型进行了对比分析,证明了本文方法在准确性、可靠性及解释性方面的优势。 展开更多
关键词 机械钻速 预测模型 时序性 attention-lstm
在线阅读 下载PDF
基于Attention-LSTM的电力负荷自动预测方法 被引量:4
4
作者 苟秦晋 杨旭 +1 位作者 李涛 冯显彬 《电子设计工程》 2024年第4期125-128,134,共5页
电力负荷预测方法异常数据筛选能力较差,导致预测精度较低,为此,基于Attention-LSTM研究一种新的电力负荷自动预测方法,构建ZigBee组网协议下的数据采集信息组网,采集电力负荷原始数据,建立自动预测模型,将电力负荷数据输入到数据处理... 电力负荷预测方法异常数据筛选能力较差,导致预测精度较低,为此,基于Attention-LSTM研究一种新的电力负荷自动预测方法,构建ZigBee组网协议下的数据采集信息组网,采集电力负荷原始数据,建立自动预测模型,将电力负荷数据输入到数据处理模块中,构建模态序列,将各个子序列中的模态分量结果重组叠加,得到电力负荷功率的预测结果。实验结果表明,该方法能够筛选出绝大部分异常数据,异常数据筛选率在90%以上,预测精度在99%以上,预测时间低于15 s。 展开更多
关键词 attention-lstm 电力负荷 负荷预测 自动预测
在线阅读 下载PDF
融合PMV物理方程和Attention-LSTM神经网络的铁路客站旅客舒适度模型研究 被引量:1
5
作者 刘小燕 邵长虹 +4 位作者 李瑞 李超 陈瑞凤 徐春婕 梁博 《中国铁路》 北大核心 2024年第5期16-24,共9页
铁路客站的舒适度直接关系着旅客的出行体验和满意度。选取聊城西站作为研究对象,采用PMV物理方程、Attention-LSTM神经网络模型以及PMV&Attention-LSTM融合模型3种方法,针对旅客舒适度开展综合评估与分析。在模型构建过程中,运用... 铁路客站的舒适度直接关系着旅客的出行体验和满意度。选取聊城西站作为研究对象,采用PMV物理方程、Attention-LSTM神经网络模型以及PMV&Attention-LSTM融合模型3种方法,针对旅客舒适度开展综合评估与分析。在模型构建过程中,运用了标准化处理、数据集划分、网格搜索交叉验证等技术寻找最佳超参数,并记录了训练过程中的损失函数和均方误差。在模型预测中,充分考虑了温度、湿度、风速、空气质量、二氧化碳、光照、噪声等环境因素对旅客舒适度的影响。对比3种预测方法,结果显示,融合模型在考虑多维环境数据时可更准确地反映舒适度水平,表明该模型更适应铁路客站的复杂环境条件,可为提高候车厅舒适性提供更为可靠的参考依据。 展开更多
关键词 铁路客站 旅客舒适度 PMV attention-lstm神经网络 融合模型 聊城西站
在线阅读 下载PDF
基于Attention-LSTM的分布式光伏超短期发电功率预测 被引量:6
6
作者 李新军 赵猛 +2 位作者 王洪勉 陈博峰 李胜明 《中国新技术新产品》 2022年第14期1-4,共4页
现有光伏功率预测方法聚焦于集中式光伏且多依赖气象数据,然而分布式光伏不具备良好的气象数据,因此现有光伏预测方法难以应用于分布式光伏。值得注意的是,分布式光伏位置邻近,处于相似的外部环境下,场站间出力具有强时空相关性。充分... 现有光伏功率预测方法聚焦于集中式光伏且多依赖气象数据,然而分布式光伏不具备良好的气象数据,因此现有光伏预测方法难以应用于分布式光伏。值得注意的是,分布式光伏位置邻近,处于相似的外部环境下,场站间出力具有强时空相关性。充分利用场站间的相关性有助于进一步提高功率预测精度。因此,该文提出了一种基于Attention-LSTM的分布式光伏超短期发电功率预测模型,该模型将目标场站与多个邻近场站的出力数据作为输入,通过Attention-LSTM挖掘各场站出力的相关性,以提高目标场站功率预测精度。该文通过实际的数据集验证了所提出的方法的有效性。 展开更多
关键词 分布式光伏 数据条件 邻近场站 时空相关性 attention-lstm
在线阅读 下载PDF
黄河流域土壤侵蚀的气候-植被阈值机制及时序响应特征
7
作者 邓祥征 刘艺杰 刘禹含 《人民黄河》 北大核心 2025年第9期77-84,共8页
以我国典型的土壤侵蚀敏感区黄河流域为研究对象,通过构建融合InVEST-USLE、RF、XGBoost、Attention-LSTM的多模型框架,基于2000—2023年多源遥感与气候数据,模拟2024—2050年6种未来情景下土壤侵蚀动态演变,系统评估气候变化与生态修... 以我国典型的土壤侵蚀敏感区黄河流域为研究对象,通过构建融合InVEST-USLE、RF、XGBoost、Attention-LSTM的多模型框架,基于2000—2023年多源遥感与气候数据,模拟2024—2050年6种未来情景下土壤侵蚀动态演变,系统评估气候变化与生态修复措施的耦合影响,揭示土壤侵蚀的驱动机制与调控阈值。结果表明:1)降水量是土壤侵蚀的关键驱动因子,植被调控效应具有显著阈值特征;2)模型识别出土壤侵蚀具有明显的“近时主导”特征,且长时间序列预测效果更优;3)情景模拟显示,高排放路径下若无生态修复,土壤侵蚀模数将持续增大,而高强度生态修复可显著减轻土壤侵蚀,但减蚀效益存在滞后性。研究成果为黄河流域水土保持分区治理与动态调控机制提供了定量支撑,建议将关键阈值和时滞效应纳入未来生态治理政策框架,以提升区域生态管理的精准性和有效性。 展开更多
关键词 土壤侵蚀 生态修复 随机森林 InVEST-USLE XGBoost attention-lstm 黄河流域
在线阅读 下载PDF
基于无线传感器网络的闸门远程控制系统
8
作者 戴明涛 秦鹏源 刘勇 《科技创新与应用》 2025年第26期48-52,共5页
该文旨在设计一种基于无线传感器网络的闸门远程控制系统,以解决灌区管理中的自动化与效率问题。系统集成水位传感器、流量传感器和雷达传感器,实时监测水位高度、水流速度和淤泥高度信息。基于采集的数据,构建ATTENTION-LSTM多闸门开... 该文旨在设计一种基于无线传感器网络的闸门远程控制系统,以解决灌区管理中的自动化与效率问题。系统集成水位传感器、流量传感器和雷达传感器,实时监测水位高度、水流速度和淤泥高度信息。基于采集的数据,构建ATTENTION-LSTM多闸门开度协同预测模型,用于协调多个闸门的开度控制。实验结果表明,该系统能够有效实现闸门的远程控制,显著提高灌溉系统的自动化水平和运行效率,极大地减少人工干预,可为灌区自动化管理提供新的解决方案。 展开更多
关键词 无线传感器网络 闸门远程控制 attention-lstm 灌区管理 水位监测 协同预测
在线阅读 下载PDF
高温季节大坝混凝土仓面喷雾措施优选研究 被引量:5
9
作者 周俊杰 樊仕文 +4 位作者 庄维 蔺满刚 魏海东 付雨晨 黄耀英 《三峡大学学报(自然科学版)》 CAS 北大核心 2024年第5期13-19,共7页
高温季节浇筑仓喷雾措施受多种复杂因素影响,本文提出基于正交设计-现场试验-Attention-LSTM神经网络模型-GWO算法优化多目标规划方法进行高温季节混凝土仓面喷雾措施优选.首先采用正交设计构建不同喷雾因素组合工况;然后针对每个喷雾... 高温季节浇筑仓喷雾措施受多种复杂因素影响,本文提出基于正交设计-现场试验-Attention-LSTM神经网络模型-GWO算法优化多目标规划方法进行高温季节混凝土仓面喷雾措施优选.首先采用正交设计构建不同喷雾因素组合工况;然后针对每个喷雾因素组合工况进行喷雾试验,监测获得喷雾区域内温度时空分布规律,将喷雾因素组合工况和相应的实测温度时空分布组成学习样本;进而对Attention-LSTM神经网络模型进行训练和检验,获得预测效果好的Attention-LSTM神经网络模型;最后根据设计确定喷雾降温效果评价指标建立多目标规划模型,通过GWO算法的快速寻优确定最佳喷雾措施.结合实际喷雾试验展示了本文所提仓面喷雾措施优选方法的可行性. 展开更多
关键词 仓面喷雾 高温季节 正交设计 attention-lstm神经网络模型 GWO算法
在线阅读 下载PDF
基于深度学习模型集成的日最高和最低气温订正预报研究
10
作者 卢姝 郭可萌 +3 位作者 周悦 傅承浩 许霖 顾雪 《热带气象学报》 CSCD 北大核心 2024年第6期1018-1029,共12页
采用2018—2023年中国气象局陆面数据同化系统的气温资料以及欧洲中期天气预报中心的高分辨率模式预报产品(ECMWF-IFS),分别建立基于时空堆叠的残差网络(Res-STS)以及基于自注意力(Self-Attention)机制的长短期记忆网络(Attention-LSTM)... 采用2018—2023年中国气象局陆面数据同化系统的气温资料以及欧洲中期天气预报中心的高分辨率模式预报产品(ECMWF-IFS),分别建立基于时空堆叠的残差网络(Res-STS)以及基于自注意力(Self-Attention)机制的长短期记忆网络(Attention-LSTM),并将两个模型进行集成,构建集成神经网络模型(Ensemble),得到涵盖湖南地区的0.05°×0.05°气温网格日最高、最低气温预报产品。结果表明:深度学习模型均有效改善了ECMWF-IFS预报效果,0—24 h预报时效日最高气温的平均绝误差(MAE)相比ECMWF-IFS和中央气象台指导报(SCMOC)分别降低了25.76%~40.40%和15.03%~31.79%,日最低气温的MAE分别降低了10.53%~31.58%和5.31%~19.47%,其中Ensemble模型在绝大多数月份的预报效果均是最优。同时,Ensemble模型有效弥补了ECMWF-IFS对地形复杂区域预报效果弱的缺陷,日最高气温预报准确率(F2)达85%的面积占比为17.31%,而其余模型低于6%;日最低气温F2达90%的面积占比为68.63%,高出单一模型21.08%~63.09%。由此可见,多模型集成能够显著提高气温预报的准确性和可靠性。 展开更多
关键词 Res-STS attention-lstm 多模型集成 ECMWF-IFS 气温预报
在线阅读 下载PDF
基于深度学习的科技文献摘要结构要素自动抽取方法研究 被引量:13
11
作者 赵丹宁 牟冬梅 白森 《数据分析与知识发现》 CSSCI CSCD 北大核心 2021年第7期70-80,共11页
【目的】构建基于深度学习的科技文献非结构式摘要结构要素自动抽取方法。【方法】以结构式摘要为训练样本,采用LSTM、Attention机制等深度学习方法训练模型,自动抽取非结构式摘要中的"目的""方法""结果"... 【目的】构建基于深度学习的科技文献非结构式摘要结构要素自动抽取方法。【方法】以结构式摘要为训练样本,采用LSTM、Attention机制等深度学习方法训练模型,自动抽取非结构式摘要中的"目的""方法""结果"三种结构要素,并对摘要进行结构化。【结果】该方法对非结构式摘要中的"目的""方法""结果"三种结构要素抽取的F值分别为0.951、0.916、0.960。【局限】深度学习可解释性相对较弱。【结论】该方法在非结构式摘要的结构要素自动抽取和摘要结构化方面具有良好的准确性。 展开更多
关键词 深度学习 attention-lstm 结构要素抽取
原文传递
北京东部平原区地面沉降时空演化特征及预测 被引量:10
12
作者 于文 宫辉力 +1 位作者 陈蓓蓓 周超凡 《自然资源遥感》 CSCD 北大核心 2022年第4期183-193,共11页
地面沉降是地表高程下降的一种自然地质现象,若发生在人口密集、社会发展程度较高的城市,将对城市基础设施具有严重的破坏性,威胁着城市安全。地面沉降演化特征分析可以反映其对地面基础设施的影响程度,建立一个高效的地面沉降预测模型... 地面沉降是地表高程下降的一种自然地质现象,若发生在人口密集、社会发展程度较高的城市,将对城市基础设施具有严重的破坏性,威胁着城市安全。地面沉降演化特征分析可以反映其对地面基础设施的影响程度,建立一个高效的地面沉降预测模型对于地面沉降的防治和保障城市安全有着重要意义。首先,利用永久散射体合成孔径雷达干涉测量方法(persistent scatterer interferometric synthetic aperture Radar,PS-InSAR)获取到地面沉降时空信息,且与水准验证得到较高的精度。其次,利用经验正交函数对地面沉降场整体时空特性进行分析,发现研究区域空间模态1方差贡献率很大,几乎代表研究区域空间的整体演化情况,对应时间系数线性趋势显著;模态2有一定的方差贡献率,但占比很小,对应的时间系数季节性显著。最后,分别利用长短期记忆(long short term memory,LSTM)与嵌入注意机制的长短期记忆(Attention-LSTM)模型对区域地面沉降进行时序预测,发现Attention-LSTM模型优于LSTM模型,其均方误差损失函数(mean square error loss,MSE-loss)可低至0.01。该预测方法扩大了深度学习在地面沉降研究方面的应用。 展开更多
关键词 地面沉降 经验正交函数 演化特征 attention-lstm 时序预测
在线阅读 下载PDF
计及新能源接入的地区电网人工智能无功优化 被引量:15
13
作者 王浩哲 丁爱飞 +4 位作者 陆继翔 张韬 陈建华 唐宁恺 束蛟 《电网与清洁能源》 CSCD 北大核心 2023年第1期133-142,共10页
为了提升用户用电质量,降低系统网损,改善电压质量,针对传统AVC系统控制手段单一、控制灵敏度计算不完备、无功装置动作频繁、应对电压频繁波动存在控制盲区等问题,该文提出一种基于Attention-LSTM算法的在线无功优化模型。利用Attentio... 为了提升用户用电质量,降低系统网损,改善电压质量,针对传统AVC系统控制手段单一、控制灵敏度计算不完备、无功装置动作频繁、应对电压频繁波动存在控制盲区等问题,该文提出一种基于Attention-LSTM算法的在线无功优化模型。利用Attention-LSTM算法挖掘电气特征与电压的非线性关系,再综合考虑降低电压偏差、减少动作次数及提高光伏无功利用率等因素,并根据地区电网电压偏差和波动的优化目标,建立了光伏、变压器、电容器高效协同配合的电压无功优化控制模型。最后以江苏某地区配电系统为实例,进行仿真及实验验证,结果表明了所提方法的有效性和实用性。 展开更多
关键词 新能源 无功优化 电压控制 人工智能 attention-lstm
在线阅读 下载PDF
Towards Mining Public Opinion: An Attention-Based Long Short Term Memory Network Using Transfer Learning
14
作者 G. M. Sakhawat Hossain Md. Harun Or Rashid +2 位作者 Md. Rafiqul Islam Ananya Sarker Must. Asma Yasmin 《Journal of Computer and Communications》 2022年第6期112-131,共20页
The Internet provides a large number of tools and resources, such as social media sites, online newsgroups, blogs, electronic forums, virtual communities, and online travel sites, for consumers to express their views ... The Internet provides a large number of tools and resources, such as social media sites, online newsgroups, blogs, electronic forums, virtual communities, and online travel sites, for consumers to express their views or opinions regarding various issues. These opinions can help organizations like tourism to improve their products and services for their consumers. Opinion mining refers to a process of identifying emotions by applying Natural Language Processing (NLP) techniques to a pool of texts. This paper mainly focuses on mining public opinion from the hotel reviews domain. To do so, we proposed a novel technique called the Attention-Based Long Short Term Memory (Attention-LSTM) Network using a transfer learning approach. We empirically analyzed several machine learning and deep learning methods and observed our proposed technique provided an adequate performance for mining public opinion in the hotel reviews domain. 展开更多
关键词 Opinion Mining Deep Learning Word2Vec attention-lstm Transfer Learning
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部