基于SSA-DBN的隧道爆破效果的预测

1

作者 施龙 崔大勇 +2 位作者 李龙 陈迪 周长春 《爆破器材》 北大核心 2025年第4期38-45,共8页

以麒麟观隧道工程为依托,基于麻雀搜索算法(SSA)优化深度置信网络(DBN)的SSA-DBN预测模型,将选取的8种影响爆破效果的参数作为输入指标,以平均绝对误差E_(MA)、均方误差E_(MS)和决定系数R 2作为评价指标,对DBN模型、主成分分析(PCA)优化... 以麒麟观隧道工程为依托,基于麻雀搜索算法(SSA)优化深度置信网络(DBN)的SSA-DBN预测模型,将选取的8种影响爆破效果的参数作为输入指标,以平均绝对误差E_(MA)、均方误差E_(MS)和决定系数R 2作为评价指标,对DBN模型、主成分分析(PCA)优化DBN的PCA-DBN模型和SSA-DBN模型的最大线性超、欠挖和破碎块度等输出指标进行对比评价。结果表明:SSA-DBN模型最大线性超、欠挖和破碎块度的R^(2)分别为0.9973、0.9977和0.9981;E_(MA)分别为0.4610、0.3380和0.3602;E_(MS)分别为0.2975、0.1782和0.1753。SSA-DBN模型对预测值与实测值的拟合程度最高,DBN模型次之,PCA-DBN模型最低。输入参数对爆破效果影响的敏感性指标r^(2)主要在0.6~0.7之间。研究结果验证了SSA-DBN模型的准确度和稳定性。 展开更多

关键词 爆破工程 dbn神经网络 麻雀搜索算法(SSA) 爆破效果预测

在线阅读 下载PDF 职称材料

DBN在测井解释中的研究与应用 被引量：4

2

作者 段友祥 徐冬胜 +1 位作者 孙歧峰 李钰 《应用科学学报》 CAS CSCD 北大核心 2018年第4期689-697,共9页

测井解释就是将测井信息加工解释成地质信息,以往大多通过数学方法建立解释模型或者使用最基本的反向传播(back propagation,BP)网络来完成这项工作.针对BP网络存在学习训练效率不高的问题,提出了将深度置信网络应用于测井曲线解释.针... 测井解释就是将测井信息加工解释成地质信息,以往大多通过数学方法建立解释模型或者使用最基本的反向传播(back propagation,BP)网络来完成这项工作.针对BP网络存在学习训练效率不高的问题,提出了将深度置信网络应用于测井曲线解释.针对测井解释的特点,选择4条测井曲线数据作为输入进行泥砂分层以及孔隙度的预测实验,并与BP网络的预测结果进行对比分析.实验表明,深度置信网络可用于测井曲线解释,其分类精度较一般BP算法有所提高并且训练时间有所降低. 展开更多

关键词 人工神经网络 深度置信网络 测井解释 泥砂分层 储层参数预测

在线阅读 下载PDF 职称材料

基于NAKF和DBN的液压管路故障智能诊断方法 被引量：4

3

作者 姚存治 张明真 +1 位作者 张尚然 王冠群 《机电工程》 CAS 北大核心 2022年第5期587-595,共9页

针对航空液压管路故障识别困难的问题,提出了一种基于非线性自适应卡尔曼滤波器(NAKF)和深度信念网络(DBN)的液压管路智能故障诊断方法。首先,在传统卡尔曼滤波器(KF)的基础上,利用最小二乘法修正构造的Sigma点,消除高斯分布对Sigma点影... 针对航空液压管路故障识别困难的问题,提出了一种基于非线性自适应卡尔曼滤波器(NAKF)和深度信念网络(DBN)的液压管路智能故障诊断方法。首先,在传统卡尔曼滤波器(KF)的基础上,利用最小二乘法修正构造的Sigma点,消除高斯分布对Sigma点影响,提出了非线性自适应卡尔曼滤波器,并用其对仿真信号进行了降噪处理;然后,对液压管路实测振动信号中的随机噪声进行了去除,对深度信念网络模型参数进行了设计,并将液压管路数据集输入到深度信念网络模型中进行了训练;最后,基于同一样本数据,分别采用支持向量机(SVM)和反向传播神经网络(BPNN)等模型进行了训练处理,利用分类准确率等两个指标,对3种故障诊断模型进行了综合评估,对3种模型分类性能进行了对比分析。研究结果表明:采用NAKF-DBN智能故障模型得到的液压管路故障诊断准确率能达到99.72%,SVM模型和BPNN模型等浅层网络的平均故障诊断准确率不高于95%,而未经非线性自适应卡尔曼滤波器滤波的深度信念网络的诊断准确率仅有86.58%;该结果验证了NAKF-DBN模型对于液压管路故障识别的有效性,可以为航空液压管路的智能化诊断提供新思路。 展开更多

关键词 液压传动回路 支持向量机 反向传播网络 深度信念网络 非线性自适应卡尔曼滤波器 智能故障模型

在线阅读 下载PDF 职称材料

基于改进DBN算法的电力故障预测模型与辅助分析系统 被引量：2

4

作者 李玮 张莉 郭佳迪 《粘接》 CAS 2024年第6期193-196,共4页

针对如何提高停电事件分析能力,提出了改进型神经网络,构建改进DBN算法模型,通过该方法实现如何实现停电事件分析,然后对提取到的停电事件信息进行训练,停电事件信息训练改进DBN算法模型,建立停电事件分析预测模型,实现对停电事件分析... 针对如何提高停电事件分析能力,提出了改进型神经网络,构建改进DBN算法模型,通过该方法实现如何实现停电事件分析,然后对提取到的停电事件信息进行训练,停电事件信息训练改进DBN算法模型,建立停电事件分析预测模型,实现对停电事件分析的精准预测。研究还设计了停电事件辅助分析系统,通过采用节点误差数据组的方式区分停电事件和异常数据,通过误差补偿装置提高了DBN算法采用数据的精度。实验结果表明,在进行对停电事件分析预测的精确度测试时,停电事件分析预测的准确度可达97%,在可靠性测试时,停电事件分析管理可靠性可达96%。 展开更多

关键词 停电事件分析 神经网络 负荷预测 dbn算法模型 弱学习器

在线阅读 下载PDF 职称材料

一种RNN-DBN的网络购物风险评估方法 被引量：4

5

作者 曲媛媛 宫莉莹 贺维 《哈尔滨理工大学学报》 CAS 北大核心 2019年第4期105-109,共5页

针对网络购物过程中的交易风险问题,提出一种利用深度学习技术中的循环神经网络(recurrent neural network,RNN)模型和深度置信网络(deep belief network,DBN)模型来进行网络购物风险评估的方法。该方法首先确定交易风险评估的多个影响... 针对网络购物过程中的交易风险问题,提出一种利用深度学习技术中的循环神经网络(recurrent neural network,RNN)模型和深度置信网络(deep belief network,DBN)模型来进行网络购物风险评估的方法。该方法首先确定交易风险评估的多个影响因素,然后采用RNN模型对主观因素进行语义分析和情感分类,从而实现定性的主观评价到定量的客观评价的转化,最后采用DBN模型对所有客观影响因素进行交易风险综合评估。通过模拟实验验证,所提出的方法能够有效的解决交易风险评估问题,同时相比传统方法准确性更高,且评价结果更为科学。 展开更多

关键词 深度学习 循环神经网络 深度信念网络 风险评估 网络购物

在线阅读 下载PDF 职称材料

基于DBN神经网络的能源电力企业发展评价方法

6

作者 刘恒勇 《微型电脑应用》 2023年第1期162-165,共4页

随着全球能源互联网建设的发展,能源电力企业发展规模不断扩大,世界一流能源电力企业的对标和发展评价就显得十分重要。为解决国内能源电力企业在世界一流能源企业对标和发展评价中存在的关联信息挖掘不足,评价准确率低的问题,提出了一... 随着全球能源互联网建设的发展,能源电力企业发展规模不断扩大,世界一流能源电力企业的对标和发展评价就显得十分重要。为解决国内能源电力企业在世界一流能源企业对标和发展评价中存在的关联信息挖掘不足,评价准确率低的问题,提出了一种基于DBN神经网络的能源电力企业发展评价方法。通过在线文本转换获取世界一流能源企业的年报数据,然后,对能源电力企业发展数据进行近邻传播聚类,并建立能源电力企业发展评价关键指标体系;采用改进粒子群算法调整能源电力企业发展评价指标的权重;采用DBN神经网络对能源电力企业发展进行评价和评价结果分析;通过对国内某能源电力企业发展评价的实例分析,其结果验证了所提方法的有效性。 展开更多

关键词 dbn神经网络 能源电力企业 发展评价 改进粒子群

在线阅读 下载PDF 职称材料

深度学习:多层神经网络的复兴与变革 被引量：40

7

作者 山世光 阚美娜 +2 位作者 刘昕 刘梦怡 邬书哲 《科技导报》 CAS CSCD 北大核心 2016年第14期60-70,共11页

人工智能(AI)已经进入一个新的蓬勃发展期。推动这一轮AI狂澜的是三大引擎,即深度学习(DL)、大数据和大规模并行计算,其中又以DL为核心。本文回顾本轮"深度神经网络复兴"的基本情况,概要介绍常用的4种深度模型,即:深度信念网... 人工智能(AI)已经进入一个新的蓬勃发展期。推动这一轮AI狂澜的是三大引擎,即深度学习(DL)、大数据和大规模并行计算,其中又以DL为核心。本文回顾本轮"深度神经网络复兴"的基本情况,概要介绍常用的4种深度模型,即:深度信念网络(DBN)、深度自编码网络(DAN)、深度卷积神经网络(DCNN)及长短期记忆递归神经网络(LSTM-RNN)。简要介绍深度学习在语音识别和计算机视觉领域几个重要任务上的应用效果情况。为便于应用DL,介绍了几种常用的深度学习开源平台。对深度学习带来的启示和变革做了一些开放式的评述,讨论了该领域的开放问题和发展趋势。 展开更多

关键词 深度神经网络:深度信念网络 深度自编码网络 深度卷积神经网络 长短期记忆递归神经网络 语音识别 计算机视觉

原文传递

基于Deep Belief Nets的中文名实体关系抽取 被引量：75

8

作者 陈宇 郑德权 赵铁军 《软件学报》 EI CSCD 北大核心 2012年第10期2572-2585,共14页

关系抽取是信息抽取的一项子任务,用以识别文本中实体之间的语义关系.提出一种利用DBN(deepbelief nets)模型进行基于特征的实体关系抽取方法,该模型是由多层无监督的RBM(restricted Boltzmann machine)网络和一层有监督的BP(back-propa... 关系抽取是信息抽取的一项子任务,用以识别文本中实体之间的语义关系.提出一种利用DBN(deepbelief nets)模型进行基于特征的实体关系抽取方法,该模型是由多层无监督的RBM(restricted Boltzmann machine)网络和一层有监督的BP(back-propagation)网络组成的神经网络分类器.RBM网络以确保特征向量映射达到最优,最后一层BP网络分类RBM网络的输出特征向量,从而训练实体关系分类器.在ACE04语料上进行的相关测试,一方面证明了字特征比词特征更适用于中文关系抽取任务;另一方面设计了3组不同的实验,分别使用正确的实体类别信息、通过实体类型分类器得到实体类型信息和不使用实体类型信息,用以比较实体类型信息对关系抽取效果的影响.实验结果表明,DBN非常适用于基于高维空间特征的信息抽取任务,获得的效果比SVM和反向传播网络更好. 展开更多

关键词 dbn(deep BELIEF nets) 神经网络 关系抽取 深层网络 字特征

在线阅读 下载PDF 职称材料

大数据下的深度学习研究 被引量：19

9

作者 王金甲 陈浩 刘青玉 《高技术通讯》 北大核心 2017年第1期27-37,共11页

给出了大数据和机器学习的子领域——深度学习的概念,阐述了深度学习对获取大数据中的有价值信息的重要作用。描述了大数据下利用图像处理单元(GPU)进行并行运算的深度学习框架,对其中的大规模卷积神经网络(CNN)、大规模深度置信网络(D... 给出了大数据和机器学习的子领域——深度学习的概念,阐述了深度学习对获取大数据中的有价值信息的重要作用。描述了大数据下利用图像处理单元(GPU)进行并行运算的深度学习框架,对其中的大规模卷积神经网络(CNN)、大规模深度置信网络(DBN)和大规模递归神经网络(RNN)进行了重点论述。分析了大数据的容量、多样性、速率特征,介绍了大规模数据、多样性数据、高速率数据下的深度学习方法。展望了大数据背景下深度学习的发展前景,指出在不远的将来,大数据与深度学习融合的技术将会在计算机视觉、机器智能等多个领域获得突破性进展。 展开更多

关键词 大数据 深度学习 卷积神经网络(CNN) 深度置信网络(dbn) 递9-3神经网络(RNN)

在线阅读 下载PDF 职称材料

基于Deep Belief Nets方法的中文名实体分类研究 被引量：2

10

作者 陈宇 郑德权 赵铁军 《智能计算机与应用》 2014年第2期29-31,35,共4页

DBN是一种快速全局最优的神经网络分类方法,包含数层无监督学习网络和一层有监督学习网络。本文验证了DBN方法很好地适用于中文名实体分类任务。首先,采用多层RBM方法无监督地从字特征向量提取结构信息,得到更具有表征能力的特征;然后,... DBN是一种快速全局最优的神经网络分类方法,包含数层无监督学习网络和一层有监督学习网络。本文验证了DBN方法很好地适用于中文名实体分类任务。首先,采用多层RBM方法无监督地从字特征向量提取结构信息,得到更具有表征能力的特征;然后,利用BP方法微调网络参数并对提取后的特征向量进行分类,以此构成分类器进行名实体分类。通过对ACE 04的中文名实体进行的分类测试,准确率达到91.45%,明显高于支持向量机和反向传播神经网络等传统分类算法。 展开更多

关键词 名实体分类 神经网络 dbn 字特征

在线阅读 下载PDF 职称材料

基于双结构深度学习的滚动轴承故障智能诊断 被引量：4

11

作者 齐咏生 郭春雨 +2 位作者 师芳 高胜利 李永亭 《振动与冲击》 EI CSCD 北大核心 2021年第10期103-113,共11页

大型转动机械在工业生产过程中,轴承故障频发,呈现出一种“大数据”的特性,并且现场获取的故障数据往往是不完备和无标签的,亟需开发具有自学习能力的诊断算法。针对该研究提出一种基于双结构深度学习的轴承故障类型与损伤程度的智能诊... 大型转动机械在工业生产过程中,轴承故障频发,呈现出一种“大数据”的特性,并且现场获取的故障数据往往是不完备和无标签的,亟需开发具有自学习能力的诊断算法。针对该研究提出一种基于双结构深度学习的轴承故障类型与损伤程度的智能诊断算法。该方法使用不完备的数据建模,分为故障类型自学习网络和故障损伤等级识别网络两个结构。对轴承故障信号进行形态学滤波,抑制部分噪声,增强信号的脉冲特征;对消噪后信号进行S变换得到时频图,获取故障类型的共性特征;并将时频图作为卷积神经网络(CNN)的输入,利用网络的相似性度量在目标空间对同类型样本汇聚、不同类型样本分离,实现对轴承故障类型的分类与新故障类型的自学习。将实现故障类型分类的信号经归一化处理后作为深度置信网络(DBN)的输入,利用DBN对微小故障的敏感性对不同损伤程度的差异特征进行提取,之后将提取的特征作为贝叶斯分类器的输入,依据后验概率判别规则实现故障损伤等级自主识别。将该方法应用于西储大学实验平台的滚动轴承故障数据,结果表明,该方法在不完备数据建模的情况下,不仅能完成故障类型与损伤等级的准确分类,而且还能实现故障自学习和损伤等级自增长,增强了诊断过程的智能性。 展开更多

关键词 卷积神经网络(CNN) 深度置信网络(dbn) 贝叶斯分类器 滚动轴承 相似性度量 不完备数据建模

在线阅读 下载PDF 职称材料

一种集成卷积神经网络和深信网的步态识别与模拟方法 被引量：7

12

作者 何正义 曾宪华 郭姜 《山东大学学报（工学版）》 CAS 北大核心 2018年第3期88-95,共8页

针对高斯过程的条件受限玻尔兹曼机(Gaussian-based conditional restricted Boltzmann machine,GCRBM)时序模型可以对单一种类的步态时序数据进行很好的预测,但对多类步态时序数据难以识别和预测的问题,提出一种集成卷积神经网络(convo... 针对高斯过程的条件受限玻尔兹曼机(Gaussian-based conditional restricted Boltzmann machine,GCRBM)时序模型可以对单一种类的步态时序数据进行很好的预测,但对多类步态时序数据难以识别和预测的问题,提出一种集成卷积神经网络(convolutional neural network,CNN)和深信网(deep belief network,DBN)的步态识别与模拟方法。利用所有类步态数据训练多个不同结构的CNNs模型,利用多类数据训练多个DBNs模型学习低维特征,并通过低维特征训练多个GCRBMs模型。在步态识别与模拟时,CNNs分类器通过投票法确定步态数据的类别;通过识别到的类所对应的DBNs模型低维特征作为对应GCRBM s模型的输入预测目标数据的后期时序低维特征;利用DBNs重构阶段将后期时序低维特征模拟出步态图像。在CASIA系列步态数据集上的试验结果表明:与支持向量机(support vector machine,SVM)、集成DBN和CNN等方法相比,本研究方法的识别率有一定的提高,提出的模型能够根据步态时序预测结果模拟出真实的步态序列图像,证实了模型的有效性。 展开更多

关键词 步态识别与模拟 卷积神经网络 深信网 基于高斯过程的条件受限玻尔兹曼机 时序模型

原文传递

基于深度置信网络的矿井涌水量预测研究 被引量：5

13

作者 降海荣 赵宝峰 +1 位作者 康艳旗 王劭文 《矿业研究与开发》 CAS 北大核心 2023年第2期143-148,共6页

在矿井开采过程中,准确预测矿井涌水量对于矿井防治水及高效、安全生产具有重要意义。针对矿井涌水量影响因素复杂导致预测精度不高的问题,提出一种基于深度置信网络(DBN)间接预测矿井涌水量的方法。针对不同的盘区建立相应的DBN涌水量... 在矿井开采过程中,准确预测矿井涌水量对于矿井防治水及高效、安全生产具有重要意义。针对矿井涌水量影响因素复杂导致预测精度不高的问题,提出一种基于深度置信网络(DBN)间接预测矿井涌水量的方法。针对不同的盘区建立相应的DBN涌水量预测模型,对矿井各个盘区水仓提取涌水量数据,之后分别导入DBN预测模型进行预测,得到各个盘区的涌水量,进而得出矿井总体涌水量,同时将结果分别与BP、ELM神经网络以及DBN直接预测矿井涌水所得到的预测结果进行对比。试验结果表明,DBN间接预测的预测精度最高,其平均绝对百分误差仅有5.85%,运行时长也大幅缩短,说明DBN间接预测矿井涌水量模型具有更好的预测效果。研究结果为矿井涌水量的准确预测提供了一种新的方法。 展开更多

关键词 矿井涌水量 dbn 预测 深度学习 BP神经网络

原文传递

基于数据融合的可燃气体燃爆状态监测系统 被引量：3

14

作者 韩晓云 陈向东 《电子设计工程》 2019年第8期6-10,共5页

可燃气体燃爆过程通常伴随多种气体浓度的变化,因此其燃爆状态的判断较为复杂,文中使用DBN通过非监督学习方法提取数据的特征值,同时降低特征的维度;BP神经网络接收RBM的输出数据,通过监督学习方法进行气体燃爆状态判断。实测结果表明,... 可燃气体燃爆过程通常伴随多种气体浓度的变化,因此其燃爆状态的判断较为复杂,文中使用DBN通过非监督学习方法提取数据的特征值,同时降低特征的维度;BP神经网络接收RBM的输出数据,通过监督学习方法进行气体燃爆状态判断。实测结果表明,该系统具有较高的分类判断准确率。 展开更多

关键词 神经网络 RBM dbn 可燃气体 燃爆

在线阅读 下载PDF 职称材料

深度学习在雷达通信目标识别中的应用框架 被引量：8

15

作者 程嘉远 《现代雷达》 CSCD 北大核心 2018年第8期55-59,共5页

深度学习是当前人工神经网络领域的研究热点,广泛应用于字符识别、图像识别和语音识别等应用中。雷达通信目标识别是通信对抗的前提和关键。文中分析了模板匹配法、DS证据理论等传统通信目标识别方法的在特征提取、模型表达方面的不足,... 深度学习是当前人工神经网络领域的研究热点,广泛应用于字符识别、图像识别和语音识别等应用中。雷达通信目标识别是通信对抗的前提和关键。文中分析了模板匹配法、DS证据理论等传统通信目标识别方法的在特征提取、模型表达方面的不足,对深度学习神经网络在通信目标识别中的应用进行了初步探讨,并提出了一种基于深度学习的通信目标识别框架。该框架和思路同样适用于雷达对抗目标识别等问题,可为深度学习在雷达目标识别领域的应用提供支撑。 展开更多

关键词 雷达 通信 目标识别 BP神经网 RBF神经网络 深度置信网络 卷积神经网络

原文传递

基于复合神经网络的GIS局放故障类型识别 被引量：43

16

作者 袁文海 刘彪 +6 位作者 徐浩 王喆 董小顺 汪沨 钟理鹏 司羽飞 夏鑫 《电力科学与技术学报》 CAS 北大核心 2021年第4期157-164,共8页

气体绝缘金属封闭开关设备(GIS)局部放电故障类型识别是故障预警和制定检修计划的重要基础,对维护电力设备的安全稳定运行意义重大。在此背景下,首先分析常见的几种GIS故障类型;然后,在超高频传感器采集到的图谱信号处理和分类上,由于... 气体绝缘金属封闭开关设备(GIS)局部放电故障类型识别是故障预警和制定检修计划的重要基础,对维护电力设备的安全稳定运行意义重大。在此背景下,首先分析常见的几种GIS故障类型;然后,在超高频传感器采集到的图谱信号处理和分类上,由于卷积神经网络(CNN)和深度置信网络(DBN)融合而成的复合神经网络模型可以快速实现有效特征信号的提取和故障类型准确分类,因此该文融合CNN和DBN,建立复合神经网络的主体结构,并利用该网络进行GIS局部放电故障类型识别;最后进行实验验证。结果表明该复合神经网络模型识别故障的准确性最高可达99%。 展开更多

关键词 GIS设备 特征图像 卷积神经网络 深度置信网络 模型训练

在线阅读 下载PDF 职称材料

基于改进深度信念网络的农业温室温度预测方法 被引量：11

17

作者 周翔宇 程勇 王军 《计算机应用》 CSCD 北大核心 2019年第4期1053-1058,共6页

针对浅层神经网络面对温室复杂多变环境因子表征能力低、学习时间长的问题,提出一种基于改进深度信念网络并结合经验模态分解与门控循环单元的温室预测方法。首先,通过经验模态分解将温度环境因子进行信号分解,之后将分解出来的固有模... 针对浅层神经网络面对温室复杂多变环境因子表征能力低、学习时间长的问题,提出一种基于改进深度信念网络并结合经验模态分解与门控循环单元的温室预测方法。首先,通过经验模态分解将温度环境因子进行信号分解,之后将分解出来的固有模态函数与残差信号进行不同程度的预测;然后,引入神经胶质改进深度信念网络,并将分解信号结合光照和二氧化碳进行多属性的特征提取;最后,将门控循环单元预测的信号分量相加获得最终的预测结果。仿真实验结果表明,与经验模态分解-深度信念网络(EMD-DBN)和深度信念网络-神经胶质链(DBN-g)相比,所提方法的预测误差分别降低了6.25%和5.36%,验证了其在强噪声、强耦合的温室时序环境下预测的有效性和可行性。 展开更多

关键词 循环神经网络 深度信念网络 门控循环单元 时间序列预测 神经胶质链

在线阅读 下载PDF 职称材料

基于深度信念网络的网络流量预测模型 被引量：6

18

作者 任玮 《山西电子技术》 2016年第1期62-64,76,共4页

为了提高网络流量预测精度,根据深度学习理论提出一种基于深度信念网络(DBN)的网络流量预测模型。该预测模型由受限玻尔兹曼机(RBM)单元组成,采用逐层无监督贪心算法训练参数,然后利用反向传播学习算法微调整个网络参数。最后基于该预... 为了提高网络流量预测精度,根据深度学习理论提出一种基于深度信念网络(DBN)的网络流量预测模型。该预测模型由受限玻尔兹曼机(RBM)单元组成,采用逐层无监督贪心算法训练参数,然后利用反向传播学习算法微调整个网络参数。最后基于该预测模型对收集到的真实网络流量进行预测和分析,并与传统神经网络预测进行对比研究,结果表明,该预测模型克服了传统神经网络容易陷入局部最优、训练时间长及函数拟合度不高等缺点,具有更高的预测精度。 展开更多

关键词 网络流量 深度学习 深度信念网络 受限玻尔兹曼机 神经网络 预测

在线阅读 下载PDF 职称材料

阀门内漏识别及内漏速率量化技术研究 被引量：5

19

作者 朱沈宾 李振林 +2 位作者 王西明 李想 张鸣远 《振动与冲击》 EI CSCD 北大核心 2022年第4期167-175,共9页

阀门作为天然气管线的关键部件,若发生内漏会带来经济损失及生产安全隐患。因此,阀门内漏的有效诊断及内漏速率的准确量化具有重大意义。针对复杂背景噪声下内漏诊断效率不高的问题,以内漏信号和非泄漏噪声信号的功率谱密度图作为输入,... 阀门作为天然气管线的关键部件,若发生内漏会带来经济损失及生产安全隐患。因此,阀门内漏的有效诊断及内漏速率的准确量化具有重大意义。针对复杂背景噪声下内漏诊断效率不高的问题,以内漏信号和非泄漏噪声信号的功率谱密度图作为输入,构建了阀门内漏卷积神经网络(convolutional neural network, CNN)识别模型;针对物理理论及浅层网络模型在多工况阀门内漏数据上存在量化误差大的问题,构建了阀门内漏速率深度信念网络(deep belief network, DBN)量化回归模型,并与支持向量回归机、BP神经网络等模型进行了对比研究。研究结果表明:所构建模型的内漏识别准确率及内漏速率量化平均绝对百分比误差分别为99%和9.101 2,证实了所构建模型的高效性,为阀门内漏诊断与评价开拓了新的研究方向。 展开更多

关键词 阀门内漏识别 内漏速率 卷积神经网络(CNN) 深度信念网络(dbn)

在线阅读 下载PDF 职称材料

风电功率预测的新兴技术与发展趋势综述 被引量：4

20

作者 张顺 黄万超 +1 位作者 谢欣宇 张浩哲 《现代工业经济和信息化》 2024年第5期171-172,175,共3页

介绍了风电功率预测技术的新兴技术与发展趋势,分析了分区建模、Koopman算子深度神经网络、DBN与多元线性回归结合等方法;探讨了未来研究的方向,强调了对算法的改进和多领域应用的重要性。

关键词 风电功率预测 分区建模 Koopman算子 深度神经网络 dbn 多元线性回归

在线阅读 下载PDF 职称材料