ConvLSTM神经网络的时序InSAR地面沉降时空预测 被引量：4

1

作者 何毅 姚圣 +2 位作者 陈毅 闫浩文 张立峰 《武汉大学学报(信息科学版)》 北大核心 2025年第3期483-496,共14页

现有地面沉降时空预测方法存在时序特征捕捉能力差,未顾及空间邻域特征等问题,导致地面沉降时空预测的可靠性差。采用合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR),提出了一种能够捕捉时序特征和空间邻... 现有地面沉降时空预测方法存在时序特征捕捉能力差,未顾及空间邻域特征等问题,导致地面沉降时空预测的可靠性差。采用合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR),提出了一种能够捕捉时序特征和空间邻域特征的卷积长短时记忆(convolutional long short-term memory,ConvLSTM)神经网络地面沉降时空预测方法。选取北京首都国际机场作为研究区,首先基于差分干涉测量短基线集InSAR(small baseline subset InSAR,SBAS-InSAR),利用Sentinel-1A影像获取地面沉降时空InSAR数据,然后构建ConvLSTM的地面沉降时空预测模型,模拟预测该区域未来一年的地面沉降。利用永久散射体干涉测量技术、SBAS-InSAR结果和水准点数据,交叉验证了时序InSAR结果的可靠性;时序InSAR地面沉降数据采用滑动窗口进行数据分割,形成多对一数据集模式;结合小波变换和评价指标确定时空预测模型的最佳时间步长,建立时序InSAR地面沉降的ConvLSTM时空预测模型。实验结果显示,所提模型的预测结果和真实结果的拟合度R^(2)达到0.997,基于图像评价指标结构相似性(structural similarity,SSIM)和多尺度结构相似性(multi-scale structural similarity,MS-SSIM)进一步评价了模型的性能,SSIM和MS-SSIM分别达到了0.914、0.975。此外,与支持向量回归、多层感知器、卷积神经网络和长短时记忆神经网络模型进行了对比分析,各项指标均显示所提模型最优。所提模型预测到2022年11月北京首都国际机场最大累积沉降量达到157 mm,研究成果可为城市地面沉降早期预防提供关键技术支撑。 展开更多

关键词 地面沉降 时序InSAR 时空预测 卷积长短时记忆神经网络

原文传递

基于2D-VMD和ConvLSTM的电力负荷图像化短期预测方法

2

作者 李承皓 杨永标 +2 位作者 宋嘉启 张翔颖 徐青山 《南方电网技术》 北大核心 2025年第2期1-9,共9页

电力负荷预测受到诸多不确定性事件的影响,因此准确地预测负荷一直是行业内研究的重点方向。针对传统方法在对短期电力负荷预测精度较低的问题,给出一种基于二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)... 电力负荷预测受到诸多不确定性事件的影响,因此准确地预测负荷一直是行业内研究的重点方向。针对传统方法在对短期电力负荷预测精度较低的问题,给出一种基于二维变分模态分解(two-dimensional variational mode decomposition,2D-VMD)和卷积长短时记忆神经网络(convolutional long short-term memory,ConvLSTM)的电力负荷图像化短期预测方法。首先采用格拉姆角场方法(Gramian angular fields,GAF)将预处理后的负荷数据转换为一组格拉姆角场图像,然后通过2D-VMD将这组图像各自分解成一系列不同中心频率的子模态并按中心频率分类,使用ConvLSTM神经网络对不同模态图像组进行预测,最终将预测结果重构并逆操作得到负荷预测值。预测结果表明此方法提高了短期负荷预测的精度,为电力负荷预测提供了新方法。 展开更多

关键词 电力系统 负荷预测 格拉姆角场 二维变分模态分解 convlstm神经网络

在线阅读 下载PDF 职称材料

基于改进ConvLSTM的电力结算电量数据异常检测方法

3

作者 方浪森 朱建全 《电气自动化》 2025年第6期109-111,114,共4页

针对电力市场结算时电量数据繁多复杂和校核效率低下的问题,提出了基于改进卷积长短期记忆网络的电量数据异常检测方法。首先,将一维结算电量时序数据切分为二维矩阵序列。其次,通过卷积操作改进长短期记忆网络的门控机制层以提取输入... 针对电力市场结算时电量数据繁多复杂和校核效率低下的问题,提出了基于改进卷积长短期记忆网络的电量数据异常检测方法。首先,将一维结算电量时序数据切分为二维矩阵序列。其次,通过卷积操作改进长短期记忆网络的门控机制层以提取输入电量数据的时间特征和空间特征,同时引入激活函数优化输出层以强化数据特征,拟合出用户用电数据的预测值。最后,采用高斯分布理论构建预测误差的自适应阈值,进而基于阈值进行异常检测。在实际电量数据集上进行试验分析,验证所提方法对异常电量数据检测的有效性。试验结果表明,所提方法能够有效提高异常电量数据的检测精度,为电力市场结算电量数据的智能化校核提供可靠的技术支持。 展开更多

关键词 电力市场 电量数据 异常数据检测 convlstm神经网络 深度学习

在线阅读 下载PDF 职称材料

基于自注意力和稠密卷积改进ConvLSTM的雷达回波外推方法

4

作者 杨晓钰 牛雪梅 祁凯 《海洋气象学报》 2025年第3期107-116,共10页

针对现有雷达回波外推模型存在长时序回波外推模糊失真和强回波预测准确率较低等问题,利用安徽2016年5-9月的多普勒雷达组合反射率拼图数据,设计了一种基于自注意力和稠密卷积改进卷积长短期记忆(convolutional long short-term memory,... 针对现有雷达回波外推模型存在长时序回波外推模糊失真和强回波预测准确率较低等问题,利用安徽2016年5-9月的多普勒雷达组合反射率拼图数据,设计了一种基于自注意力和稠密卷积改进卷积长短期记忆(convolutional long short-term memory,ConvLSTM)网络的雷达回波外推方法。模型以ConvLSTM为基础,在每个单元结构以及编解码器中间融入自注意力机制,强化模型对于特征长时空间依赖的提取能力,同时用稠密连接卷积代替普通卷积,提高模型的特征重用能力。实验利用过去1 h雷达回波图像预测未来2 h雷达回波图像,并与改进前的ConvLSTM进行对比证明了提出的模型能够提高雷达回波外推的准确率。 展开更多

关键词 雷达回波外推 convlstm网络 自注意力机制 稠密卷积

在线阅读 下载PDF 职称材料

基于ConvLSTM网络的多源降雨融合方法 被引量：3

5

作者 杨鑫 张建云 +1 位作者 周建中 方威 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第8期33-39,共7页

针对现有实测和预报降水资料时空误差显著的问题,以雅砻江流域为研究区域,基于全球降雨观测计划(GPM)数据、流域地形资料及国家级气象站降雨观测资料,采用能够同时考虑数据时间和空间特征的ConvLSTM网络构建了多源数据驱动降雨融合模型... 针对现有实测和预报降水资料时空误差显著的问题,以雅砻江流域为研究区域,基于全球降雨观测计划(GPM)数据、流域地形资料及国家级气象站降雨观测资料,采用能够同时考虑数据时间和空间特征的ConvLSTM网络构建了多源数据驱动降雨融合模型,并采用该模型得到了雅砻江流域0.05°分辨率的日降雨融合数据集.结果表明:所提模型降雨融合结果与实测面雨量相关系数可达0.91,平均绝对误差和均方根误差较GPM原始降雨数据、地理加权回归方法及长短期记忆网络(LSTM)模型融合降雨数据有所提高. 展开更多

关键词 GPM数据 地形数据 降雨融合 convlstm网络 雅砻江

原文传递

基于ConvLSTM的高速公路交通流预测仿真研究 被引量：3

6

作者 吴剑云 于安双 《实验室研究与探索》 CAS 北大核心 2022年第12期132-137,共6页

交通流通常具有复杂时空关联性,且易受天气、速度等外部因素的影响。为提高高速公路关键节点交通流预测的准确性,设计一种基于ConvLSTM网络且融合时空关联性和外部因素的交通流预测模型——STE-ConvLSTM。构建交通流、速度、天气时空矩... 交通流通常具有复杂时空关联性,且易受天气、速度等外部因素的影响。为提高高速公路关键节点交通流预测的准确性,设计一种基于ConvLSTM网络且融合时空关联性和外部因素的交通流预测模型——STE-ConvLSTM。构建交通流、速度、天气时空矩阵,将其延深度方向堆叠,通过滑动窗口模型将其处理为类图像时间序列数据,利用ConvLSTM网络提取交通流的时空关联性和外部因素特征;利用卷积层实现交通流预测多变量多步输出。实验结果表明,相较于传统的交通流预测模型,该模型在交通流多步预测方面的预测准确度有所提升。 展开更多

关键词 convlstm网络 深度学习 交通流预测 高速公路

在线阅读 下载PDF 职称材料

基于ConvLSTM融合RMAPS-NOW数据的雷达回波外推研究 被引量：6

7

作者 王善昊 胡志群 +1 位作者 王福增 陈杰鑫 《气象学报》 CAS CSCD 北大核心 2024年第4期554-567,共14页

雷达回波外推是临近预报、人工影响天气作业及效果评估的主要参考依据之一,快速准确的回波外推技术一直是雷达气象领域的研究热点。近年来,基于深度学习的时空序列预测模型在雷达回波外推中得到了广泛应用。然而,这些外推网络架构的输... 雷达回波外推是临近预报、人工影响天气作业及效果评估的主要参考依据之一,快速准确的回波外推技术一直是雷达气象领域的研究热点。近年来,基于深度学习的时空序列预测模型在雷达回波外推中得到了广泛应用。然而,这些外推网络架构的输入大多用16级伪彩色雷达回波强度产品转化而来的灰度图,丢失了许多回波细节,并且随着外推时间延长,误差不可避免地增大。回波的生消、移动、演变与天气背景紧密相关,因此,将北京城市气象研究院研发的新一代快速更新多尺度资料分析和预报系统的临近数值预报子系统(RMAPS-NOW)初始零场的部分物理量产品融入华北雷达拼图原始数据,构建多个雷达单元(Radar cells),并将这些雷达单元作为输入,基于卷积长短期记忆网络(ConvLSTM),设计了一个多通道雷达回波外推网络架构(MR-ConvLSTM)。另外,考虑到卷积算法的平滑性,构建了自定义损失函数,增加回波强度的时空权重进行时空衰减订正。选取(40.65°—41.65°N,114°—115.4°E)内2018—2021年的6—9月共13000组华北雷达组合反射率因子拼图及RMAPS-NOW初始零场数据,其中的80%共10400组为训练集,20%共2600组为测试集。引入的物理量包括多个高度层的u、v风(1350 m),相对湿度(RH,150 m),水平散度(1350 m)等,基于ConvLSTM及MR-ConvLSTM加自定义损失函数,分别训练得到5个雷达回波外推模型。采用临界成功指数(CSI)、命中率(POD)、虚警率(FAR)作为评价指标,利用测试集对所有模型进行评估。基于引入物理量的MR-ConvLSTM训练得到的模型在20、30、35 dBz反射率阈值下,比未引入物理量的基于ConvLSTM的外推模型CSI值平均高4.67%、13.8%、5.98%,POD值平均高3.1%、7.68%、8.38%,FAR值平均低6.37%、8.54%、10.17%,同时引入3种物理量(RH、u、v)的外推模型在不同阈值的各项指标中综合表现最好,其CSI、 POD值在3种不同阈值下比未引入物理量模型平均高16.01%、13.38%,FAR值平均低14.88%。从模型应用的个例可视化也可以看出,引入物理量后有效提升了雷达回波外推的准确度,证明基于MR-ConvLSTM架构训练的雷达回波外推模型有较强的泛化能力。 展开更多

关键词 雷达回波外推 深度学习 RMAPS-NOW MR-convlstm网络架构 自定义损失函数

在线阅读 下载PDF 职称材料

融合ConvLSTM和多注意力机制网络的高光谱图像分类 被引量：6

8

作者 唐婷 潘新 +1 位作者 罗小玲 郜晓晶 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2023年第8期2608-2616,共9页

近年来,基于深度学习的模型在高光谱图像(HSI)分类方面效果显著。针对小样本数据基于深度学习的高光谱图像分类方法分类精度不高的问题,提出一种融合卷积长短期记忆(ConvLSTM)和多注意力机制网络的高光谱图像分类方法。该方法分三个分支... 近年来,基于深度学习的模型在高光谱图像(HSI)分类方面效果显著。针对小样本数据基于深度学习的高光谱图像分类方法分类精度不高的问题,提出一种融合卷积长短期记忆(ConvLSTM)和多注意力机制网络的高光谱图像分类方法。该方法分三个分支:光谱分支、空间X分支和空间Y分支分别提取光谱特征、空间X特征和空间Y特征,并将三个方向的特征融合进行高光谱图像分类。由于ConvLSTM在学习有价值的特征和对光谱数据中的长期依赖关系建模方面表现出良好的性能,所以在光谱分支中用了3个隐藏层、卷积核大小为3×3、通道分别为150、100和60提取光谱信息。在空间X分支和空间Y分支,采用基于DenseNet和3D-CNN的Dense空间X块和Dense空间Y块分别提取空间X特征和空间Y特征。为了增强特征提取,在这三个分支中还分别引入了其特征方向的注意力机制,针对信息丰富的光谱波段设计了光谱注意块,信息丰富的像素点分别设计了空间X和空间Y注意块。在三个公开的高光谱数据集上进行了实验,即Indian Pines(IP)、Pavia University(UP)和Salinas Valley(SV)数据集;并对比了其他五种方法:基于RBF径向核的支持向量机模型(SVM)、更深更广的卷积神经网络模型(CDCNN)、快速密集光谱-空间卷积网络模型(FDSSC)、空谱残差网络模型(SSRN)、双分支双注意力机制网络模型(DBDA)。实验中,IP数据集上训练样本和验证样本的大小设为总样本的3%,UP和SV数据集上训练样本和验证样本的大小设为总样本的0.5%。该方法和所有基于深度学习的方法,批处理大小均设置为16,优化器设为Adam,学习率设置为0.0005,并动态调整学习率。由于SVM直接利用光谱信息进行分类,输入样本块像素大小为1×1,其他基于深度学习方法的输入样本块像素均设置为9×9。实验结果表明,该方法能充分利用高光谱图像的光谱和空间特征,在OA、AA、KAPPA等评价标准上均获得了更好的效果,其中,该方法的OA指标比次优的算法平均提高0.12%~2.04%。 展开更多

关键词 高光谱图像分类 深度学习 convlstm 卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料

一种基于ConvLSTM神经网络的TOC含量地震预测方法 被引量：7

9

作者 李键 陈桂 +3 位作者 David Cova 孙永壮 孙宇航 刘洋 《地球物理学进展》 CSCD 北大核心 2023年第3期1143-1151,共9页

TOC(Total Organic Carbon,总有机碳)含量所表征的有机质丰度是评价烃源岩生烃潜力的重要指标之一.地震弹性参数与岩石的TOC含量之间存在一定的相关性,而且这种关系可能是非线性的.由于线性回归和XGBoost(Extreme Gradient Boosting,极... TOC(Total Organic Carbon,总有机碳)含量所表征的有机质丰度是评价烃源岩生烃潜力的重要指标之一.地震弹性参数与岩石的TOC含量之间存在一定的相关性,而且这种关系可能是非线性的.由于线性回归和XGBoost(Extreme Gradient Boosting,极端梯度提升)方法的复杂映射能力有限,以致TOC含量预测精度有限.本文提出了一种基于ConvLSTM(Convolutional Long Short-Term Memory,卷积长短时记忆)神经网络的TOC含量地震预测方法,主要包括网络搭建、数据预处理、网络训练和测试四个部分.通过训练具有强复杂映射能力的ConvLSTM神经网络来建立TOC含量与地震弹性参数(纵波阻抗、速度比以及泊松比)之间的非线性关系,以有效地预测TOC含量的区域性分布.L区的数据试算结果表明,相比于线性回归和XGBoost方法,本文方法具有更高的TOC含量预测精度. 展开更多

关键词 TOC含量预测 convlstm神经网络 地震弹性参数

原文传递

基于ConvLSTM的时空域涌浪预报研究

10

作者 吴昱翀 陶爱峰 +2 位作者 吕韬 曹力玮 王岗 《中国港湾建设》 2024年第12期1-9,共9页

因风减弱、停止或转向后留在海上或来自其他海域的浪为涌浪,涌浪有着比风浪更低的波级,但是周期较大,易与船舶等浮式结构物发生共振,影响正常运行。为了避免涌浪造成的灾害,需要能够高效、精确预报涌浪的方法。基于Convolutional LSTM(C... 因风减弱、停止或转向后留在海上或来自其他海域的浪为涌浪,涌浪有着比风浪更低的波级,但是周期较大,易与船舶等浮式结构物发生共振,影响正常运行。为了避免涌浪造成的灾害,需要能够高效、精确预报涌浪的方法。基于Convolutional LSTM(ConvLSTM)模型搭建了神经网络,将涌浪的波高分布看作二维图像进行处理。网络将卷积运算的图像特征捕捉能力和长短期记忆神经网络(LSTM)模型的时序预测能力相结合,在网络学习过程中,既考虑了涌浪在空间上传播的特性,又考虑了时间上的变化特征。使用ERA5再分析数据集对网络进行训练,对东海(21°N-34°N,114°E-131°E)范围内的涌浪有效波高进行预测,预测结果与数据集较为吻合,最大相关性可达0.997。同时,与未考虑涌浪空间传播特性的模型对比预测效果有所提升。文中使用的方法为涌浪的预报研究提供了新的思路。 展开更多

关键词 涌浪 卷积神经网络(CNN) LSTM convlstm 神经网络

在线阅读 下载PDF 职称材料

基于ConvLSTM的中国东南沿海波浪智能预报和评估 被引量：1

11

作者 金阳 韩磊 +1 位作者 金梅兵 董昌明 《海洋学研究》 CSCD 北大核心 2024年第3期88-98,共11页

相较于半理论半分析和数值模型的波浪预报方法,智能波浪预报有着精度高、计算资源需求低的优势。该文基于卷积长短期记忆网络(convolutional long short-term memory network,ConvLSTM)算法,建立了有效波高(significant wave height,SWH... 相较于半理论半分析和数值模型的波浪预报方法,智能波浪预报有着精度高、计算资源需求低的优势。该文基于卷积长短期记忆网络(convolutional long short-term memory network,ConvLSTM)算法,建立了有效波高(significant wave height,SWH)二维预报模型,以中国东南沿海2014—2022年ERA5数据进行训练,通过敏感性试验优化模型配置,并开展中国东南沿海SWH在2023年4个预报时效(6 h、12 h、18 h、24 h)下的预测性能评估。敏感性试验显示,输入时间序列长度N=4(即输入-18 h,-12 h,-6 h,0 h的SWH值)时,模型在4个预报时效下的准确性均优于其他时间序列长度;输入物理要素组合为SWH、平均波向和海面10 m风矢量时,模型在12 h、18 h和24 h预报时效下的准确性优于其他组合。通过对ConvLSTM模型训练及配置的精细调整,可以实现对中国东南沿海SWH的二维、高精度的智能预报。 展开更多

关键词 中国近海 卷积长短期记忆网络 数据驱动 海浪 有效波高 二维预报模型 短期预报 人工智能 深度学习

在线阅读 下载PDF 职称材料

基于eBPF和ConvLSTM的5G-R网络安全审计系统研究 被引量：5

12

作者 陈律 李辉 刘畅 《铁道标准设计》 北大核心 2024年第4期203-210,共8页

在铁路5G专网快速发展的背景下,铁路网络信息安全关系到铁路运行安全等方面。但当前成熟的铁路网络安全设备多是针对可能存在的非法入侵、外网干预等外部安全隐患,对于内部使用不当或通信异常带来的安全问题,还未有系统性的检测方法。因... 在铁路5G专网快速发展的背景下,铁路网络信息安全关系到铁路运行安全等方面。但当前成熟的铁路网络安全设备多是针对可能存在的非法入侵、外网干预等外部安全隐患,对于内部使用不当或通信异常带来的安全问题,还未有系统性的检测方法。因此,提出一种可同时进行网络内外异常检测、集流量抓取和数据分析为一体的实时性较强的网络安全审计系统成为迫切需要。设计从网络安全审计的三大关键技术出发,分别对应本系统的数据采集、数据解析、流量识别三个模块,并说明系统在网络中部署的环境与位置。具体运用了eBPF技术抓取网络流量数据包,利用深度学习的数据预处理方法提取其中特征信息,并导入已训练好的ConvLSTM模型中进行预测,最终判断是否出现异常流量。通过两个数据集的实验验证并与传统算法进行对比,此网络安全审计系统针对外部攻击流量的预测准确率可以达到0.97,针对内部通信异常预测准确率为0.96,实现了对外部或内部因素导致的网络流量异常问题的监测与排查,以便快速反应采取进一步措施。针对5G-R场景进行的网络安全审计系统设计和研究可以为未来铁路面临的网络安全挑战提供技术支撑和帮助。 展开更多

关键词 铁路通信 5G-R 网络安全审计 eBPF 深度学习 convlstm

在线阅读 下载PDF 职称材料

基于ConvLSTM网络的北极海冰时空序列预测研究

13

作者 夏成龙 《海洋测绘》 CSCD 北大核心 2024年第4期48-53,共6页

为了开辟北极航运路线、支持极地科学研究和资源开发,准确预测海冰密集度(SIC)显得尤为关键。在海洋预报领域,统计预报发挥着重要作用。文章引入了一种级联式的卷积长短时记忆神经网络(ConvLSTM)用于北极SIC的中、短期预测。该网络具备... 为了开辟北极航运路线、支持极地科学研究和资源开发,准确预测海冰密集度(SIC)显得尤为关键。在海洋预报领域,统计预报发挥着重要作用。文章引入了一种级联式的卷积长短时记忆神经网络(ConvLSTM)用于北极SIC的中、短期预测。该网络具备图像处理和时空预测的能力,可用于对海冰时空序列进行精确的预报。它能够处理不同长度的输入序列,在各种数据情境下展现出强大的预测潜力。通过对网络架构进行优化,该架构取得了更强的性能,能够更准确地捕捉和分析SIC的动态变化。实验结果表明,该模型在7天预报中的均方根误差为0.0599,相关系数高达95.42%。 展开更多

关键词 北极海冰 人工智能 神经网络 卷积长短期记忆网络 海冰密集度

在线阅读 下载PDF 职称材料

基于CNN-ATT-ConvLSTM的行人属性识别 被引量：2

14

作者 李洋 许华虎 卞敏捷 《计算机应用与软件》 北大核心 2021年第4期152-158,共7页

针对现有行人属性识别方法忽视行人属性的互相关性和空间信息导致识别性能较低的问题,将任务视为时空序列多标签图像分类问题,提出基于卷积神经网络(CNN)和卷积长短期记忆网络(ConvLSTM)并融合通道注意力机制的模型。用CNN和通道注意力... 针对现有行人属性识别方法忽视行人属性的互相关性和空间信息导致识别性能较低的问题,将任务视为时空序列多标签图像分类问题,提出基于卷积神经网络(CNN)和卷积长短期记忆网络(ConvLSTM)并融合通道注意力机制的模型。用CNN和通道注意力提取行人属性的显著性和相关性视觉特征;用ConvLSTM进一步提取视觉特征的空间信息和属性相关性;以优化序列对行人属性进行预测。在两个常用行人属性数据集PETA和RAP上进行大量实验,取得了最佳性能,证明了该方法的优越性和有效性。 展开更多

关键词 行人属性识别 卷积神经网络 卷积长短期记忆网络 注意力机制 多标签分类

在线阅读 下载PDF 职称材料

卷积循环神经网络的高光谱图像解混方法 被引量：2

15

作者 孔繁锵 余圣杰 +2 位作者 王坤 方煦 吕志杰 《西安电子科技大学学报》 北大核心 2025年第1期142-151,共10页

针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创... 针对传统的解混方法和基于自编码器的解混网络方法,利用空间信息提升了解混性能,但未深入挖掘和利用光谱特征,而光谱特征和空间信息的有效结合能够进一步提高解混性能,因此,提出了基于双向卷积长短期记忆网络的解混框架。该框架采用创新性的网络结构设计,通过卷积层深入挖掘空间特征,同时利用卷积长短期记忆单元充分挖掘波段间的光谱变异性及其光谱相关性,有效处理光谱维度的序列信息,从而实现对高光谱数据更加精准和高效的分析。为了更加细致地区分和利用高光谱数据中不同谱段的特异性,采用深度光谱分区方法优化网络输入,通过自适应学习机制对不同光谱区域精细化处理,增强了模型对高光谱数据中复杂光谱关系的捕捉能力,进一步提升网络的解混性能。在模拟和多个真实高光谱数据集上的对比实验表明,该方法在解混精度和模型鲁棒性等方面均优于现有方法,特别是在处理复杂地物光谱特征时,表现出良好的泛化能力和稳定性,能够准确估计端元和丰度。 展开更多

关键词 高光谱图像 循环神经网络 自编码器 卷积长短期记忆网络 深度光谱分区

在线阅读 下载PDF 职称材料

基于毫米波雷达感知的CNN⁃ConvLSTM多时刻阻塞预测方法

16

作者 罗文宇 钟云开 +1 位作者 邵霞 段臣续 《雷达科学与技术》 北大核心 2023年第5期531-538,共8页

针对当前毫米波雷达辅助无线通信单时刻阻塞预测无法适应高移动复杂场景的问题,提出一种结合卷积神经网络(CNN)和时空序列预测模型(ConvLSTM)的多时刻持续阻塞预测方法。该方法通过构造时间分布层存储CNN提取的热图特征,解决了卷积神经... 针对当前毫米波雷达辅助无线通信单时刻阻塞预测无法适应高移动复杂场景的问题,提出一种结合卷积神经网络(CNN)和时空序列预测模型(ConvLSTM)的多时刻持续阻塞预测方法。该方法通过构造时间分布层存储CNN提取的热图特征,解决了卷积神经网络单次处理多张雷达热图可能存在的特征缺失问题,实现了连续热图特征的多帧分组。进而,利用ConvLSTM对输入多帧时空序列进行处理实现多时刻阻塞预测。利用DeepSense 6G真实场景数据的实验结果表明,该方法的多时刻预测结果均能达到90%的准确率和80%以上的F1-score,具备多时刻精确阻塞预测能力。本文方法在复杂动态环境下高频段通信的高可靠、低时延QoS保障方面具有重要的理论和应用价值。 展开更多

关键词 毫米波雷达 无线通信 卷积神经网络 时空序列预测模型 多时刻阻塞预测

在线阅读 下载PDF 职称材料

疏浚工程作业水域波浪的快速预测

17

作者 郝宇驰 曲嘉铭 +1 位作者 林斌良 张晴波 《水运工程》 2025年第9期23-29,共7页

针对耙吸船耙臂系统等疏浚机具操作受波浪影响问题,及其对疏浚船作业过程中波浪的快速预测要求,基于ConvLSTM神经网络模型建立了面向疏浚船作业海域的波浪快速预测模型,利用疏浚工程海域的波高、周期的数值模拟后报结果数据作为训练样本... 针对耙吸船耙臂系统等疏浚机具操作受波浪影响问题,及其对疏浚船作业过程中波浪的快速预测要求,基于ConvLSTM神经网络模型建立了面向疏浚船作业海域的波浪快速预测模型,利用疏浚工程海域的波高、周期的数值模拟后报结果数据作为训练样本,对波浪预测网络模型进行训练。结果表明:所建立的神经网络对疏浚工程海域的波浪预测所需时间仅2~5 s,对作业海域波高分布的前向6 h的波浪预测相关度达0.956;当预测步长增大到12 h后,受训练数据不均衡影响,神经网络对波浪的预测精度明显下降至0.849。因此,模型可用于疏浚作业海域进行波浪的短时快速预测,为船舶安全操作提供依据。 展开更多

关键词 疏浚工程 波浪数学模型 波浪预测 神经网络 convlstm

在线阅读 下载PDF 职称材料

融合GAN-LSTM的改进云层运动预测

18

作者 吕雄涛 王施琦 +2 位作者 袁硕 张雷 焦小雪 《福建电脑》 2025年第4期15-20,共6页

为提升云层运动预测的质量和精度,本文提出一个预测云层运动的GAN-UNet-ConvLSTM网络模型。在GAN-LSTM网络模型的基础上,引入UNet和ConvLSTM,以提高网络模型的生成能力和预测能力。实验的结果表明,GAN-UNet-ConvLSTM网络模型可以较准确... 为提升云层运动预测的质量和精度,本文提出一个预测云层运动的GAN-UNet-ConvLSTM网络模型。在GAN-LSTM网络模型的基础上,引入UNet和ConvLSTM,以提高网络模型的生成能力和预测能力。实验的结果表明,GAN-UNet-ConvLSTM网络模型可以较准确地预测云层运动和形态变化,同时具有良好的可持续预测能力,为云层运动预测提供了一种可行的网络结构优化方案。 展开更多

关键词 生成对抗网络-长短期记忆网络 U形网络 卷积长短时记忆网络 云层运动预测

在线阅读 下载PDF 职称材料

基于深度学习的短临降水预报应用研究

19

作者 姚文姣 赵子龙 +1 位作者 马蕾 李恬 《科技创新与应用》 2025年第4期164-167,172,共5页

随着人工智能技术的快速发展,深度学习的技术应用已日渐成熟,并逐步在各个领域投入实际业务使用。提升短临降水预报的精确度是当前天气预报领域最为艰巨的任务,传统预报方式已无法应对当前急剧变化的天气状况。基于深度学习的神经网络... 随着人工智能技术的快速发展,深度学习的技术应用已日渐成熟,并逐步在各个领域投入实际业务使用。提升短临降水预报的精确度是当前天气预报领域最为艰巨的任务,传统预报方式已无法应对当前急剧变化的天气状况。基于深度学习的神经网络模型能够充分弥补传统预报方式的缺陷,它利用复杂的网络来学习输入和输出数据之间复杂的非线性关系,能够有效处理天气数据中的复杂模式。该文详细介绍几种实用性较强的模型方法,阐述在短临降水预报方面的应用情况,对深度学习在气象领域的发展有重要的借鉴意义。 展开更多

关键词 深度学习 短临降水预报 神经网络 convlstm 数据集

在线阅读 下载PDF 职称材料

基于时空域增强微多普勒谱图的行为识别方法 被引量：3

20

作者 许志猛 张钐钐 +1 位作者 陈良琴 孙北晨 《电子测量与仪器学报》 CSCD 北大核心 2022年第7期144-151,共8页

为缓解新冠疫情下医护人员短缺的现象,实现对住院患者的智能监护,本文基于调频连续波(FMCW)雷达提出了一种新的基于时空域增强微多普勒谱图的行为识别方法。首先,该方法对雷达获取的人体行为数据构造微多普勒谱图;然后利用一种新的直方... 为缓解新冠疫情下医护人员短缺的现象,实现对住院患者的智能监护,本文基于调频连续波(FMCW)雷达提出了一种新的基于时空域增强微多普勒谱图的行为识别方法。首先,该方法对雷达获取的人体行为数据构造微多普勒谱图;然后利用一种新的直方图均衡化和同态滤波相结合的时空域增强算法用于谱图信息的增强;最后采用一种改进的卷积长短时记忆网络(ConvLSTM)提取谱图的时空域特征,并有效辨识喝水、跌倒等7种住院患者常见行为。实验结果表明,基于本文方法对7种动作的识别准确率能达到94%,可以有效的监护患者的行为。 展开更多

关键词 FMCW雷达 智能监护 增强微多普勒特征 convlstm网络

原文传递