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
共找到5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：
基于IVMD-WPD-HHO-LSTM的海杂波小目标检测方法
1
作者 李梦杰 行鸿彦 吴涵 《电子测量与仪器学报》 北大核心 2026年第1期156-168,共13页
为提高海杂波背景下微弱目标的检测性能,提出了一种基于改进变分模态分解(improved variational mode decomposition,IVMD)-小波包多阈值分解(wavelet packet multi-threshold decomposition,WPD)与哈里斯鹰优化算法(Harris Hawks optim... 为提高海杂波背景下微弱目标的检测性能,提出了一种基于改进变分模态分解(improved variational mode decomposition,IVMD)-小波包多阈值分解(wavelet packet multi-threshold decomposition,WPD)与哈里斯鹰优化算法(Harris Hawks optimization,HHO)优化长短期记忆网络(long short-term memory,LSTM)相结合的检测方法。采用改进变分模态分解-小波包多阈值分解去噪技术,通过自适应粒子群(adaptive particle swarm optimization,APSO)优化确定变分模态分解最优参数,精确分解海杂波信号为多个本征模态函数(intrinsic mode functions,IMF)。针对噪声较强的高频IMF,设计多频段小波包分解与分层阈值去噪策略,有效抑制噪声并保留微弱目标特征。利用哈里斯鹰算法对长短期记忆网络模型的超参数进行优化,提升其在复杂海杂波背景下的非线性时序建模能力。通过相空间重构与去噪信号的结合,显著提高了目标检测的精度和抗干扰能力。实验使用加拿大MCMaster大学IPIX雷达实测数据,结果表明,该方法在高信噪比和低信噪比环境下均显著提高了检测精度,相比传统长短期记忆网络方法,检测能力至少提高了35%。 展开更多
关键词 海杂波去噪 小波包分析 多阈值准则 hho-lstm 微弱目标检测
原文传递
利用HHO-LSTM-SVR模型预测TBM掘进参数 被引量：2
2
作者 满轲 曹子祥 +2 位作者 刘晓丽 宋志飞 刘汭琳 《铁道标准设计》 北大核心 2025年第8期123-132,共10页
针对单一模型对TBM掘进参数预测准确度低、泛化性低等问题,利用改进最小二乘法集成哈里斯鹰优化(HHO)算法优化的长短期记忆(LSTM)网络和支持向量机回归(SVR)算法,构建一种实现TBM掘进参数高精度智能预测的混合模型(HHO-LSTM-SVR模型)。... 针对单一模型对TBM掘进参数预测准确度低、泛化性低等问题,利用改进最小二乘法集成哈里斯鹰优化(HHO)算法优化的长短期记忆(LSTM)网络和支持向量机回归(SVR)算法,构建一种实现TBM掘进参数高精度智能预测的混合模型(HHO-LSTM-SVR模型)。利用HHO-LSTM-SVR模型进行不同隧道围岩等级TBM掘进参数预测,并选择哈里斯鹰优化算法优化的GRU模型和BP模型与HHO-LSTM-SVR模型进行预测误差对比分析,最后采用灰色关联度分析方法计算预测模型输入变量对输出变量的重要性。结果表明:隧道围岩等级越高,掘进参数的预测精度越高,Ⅱ级围岩各掘进参数平均相对误差绝对值为0.01,而Ⅳ级围岩为0.05;推力、转速和扭矩的预测精度相对较高,施工速度的预测精度最低;HHO-LSTM-SVR模型预测结果平均相对误差绝对值比各单一模型小57.68%,各单一模型预测性能相较于HHO-LSTM-SVR模型更低;TBM掘进不同等级的隧道围岩时岩机相互作用规律存在较大差异;利用改进最小二乘法集成组合2个单一模型可以有效提高模型预测准确度、泛化性和鲁棒性。 展开更多
关键词 TBM 掘进参数 隧道围岩等级 岩机相互作用规律 hho-lstm-SVR模型
在线阅读 下载PDF
基于二次分解和算法优化LSTM的港口集装箱吞吐量预测研究
3
作者 王博文 黄逸 +1 位作者 孟铉博 曹添悦 《中国航海》 北大核心 2025年第4期121-131,共11页
准确预测港口集装箱吞吐量对港口航运企业和政府管理部门科学制定决策具有重要意义。目前的研究方法对短历时港口集装箱吞吐量的关注较少,对非线性、非平稳的波动序列的预测准确性有限。本文以上海港集装箱吞吐量为分析与预测对象,研究... 准确预测港口集装箱吞吐量对港口航运企业和政府管理部门科学制定决策具有重要意义。目前的研究方法对短历时港口集装箱吞吐量的关注较少,对非线性、非平稳的波动序列的预测准确性有限。本文以上海港集装箱吞吐量为分析与预测对象,研究提出了基于以相关系数分析为基础的变分模态分解(CCVMD)和季节趋势分解(STL)的二次分解的新型深度学习模型:以相关系数为参照,对原始时间序列进行变分模态分解,在此基础上二次分解为季节项、趋势项和不规则项,并用算法优化的长短期记忆神经网络分别对分解项进行预测,汇总得到最终预测结果。结果表明:在集装箱吞吐量预测中,对数据进行预处理的分解组合模型表现显著优于其他模型;本文提出的模型的平均绝对百分比误差为0.021703,均方根误差百分比为0.026852,平均绝对误差百分比为0.02214,预测整体表现优于其余12种比较模型和既往研究提出的部分模型;二次分解预处理在追踪极值、除噪降噪和可解释性方面更具可靠性。 展开更多
关键词 集装箱吞吐量预测 二次分解 CCVMD STL HHO LSTM 深度学习
在线阅读 下载PDF
基于HHO优化的时空水质预测模型 被引量：4
4
作者 李顺勇 张睿轩 谭红叶 《现代电子技术》 北大核心 2024年第2期176-182,共7页
我国水资源现状不容乐观,提高水质预测模型精度对水资源质量监测具有重要意义。为捕捉水质指标时序数据非线性变化趋势,水质指标多基于神经网络模型进行预测。但是现有模型忽略了河流流向,没有考虑上游监测点水质对下游水质的影响;同时... 我国水资源现状不容乐观,提高水质预测模型精度对水资源质量监测具有重要意义。为捕捉水质指标时序数据非线性变化趋势,水质指标多基于神经网络模型进行预测。但是现有模型忽略了河流流向,没有考虑上游监测点水质对下游水质的影响;同时现有模型多基于启发式优化算法中的粒子群算法调整神经网络的超参数,但该优化算法仍需设置较多超参数,而参数选取不当容易使模型陷入局部最优。为此,建立了时空水质预测模型(WT‐CNN‐LSTM‐HHO),利用哈里斯鹰优化算法(HHO),基于上游水质数据预测下游的氮、磷和溶解氧水质指标。实验结果显示,本文所提出的模型对水质预测性能有明显提升,可以实现设置较少超参数而达到较高的水质预测精度。 展开更多
关键词 时空水质预测 哈里斯鹰优化算法 LSTM神经网络 时间序列 CNN‐LSTM 小波降噪
在线阅读 下载PDF
基于HHO-CNN-LSTM的CMAQ修正模型及其在上海市空气质量预报中的应用 被引量：1
5
作者 郑鑫楠 林开颜 +5 位作者 王孜竞 宋远博 师洋 路函悦 张亚雷 沈峥 《能源环境保护》 2023年第6期101-110,共10页
建立空气质量预报模型,预测污染物浓度对人类健康和社会经济发展具有重要意义。然而,传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此,本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正... 建立空气质量预报模型,预测污染物浓度对人类健康和社会经济发展具有重要意义。然而,传统的空气质量模型CMAQ对污染物浓度的预报精度并不理想。对此,本文提出了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的空气质量预报修正模型,并使用哈里斯鹰算法(HHO)对模型的超参数进行优化;用CMAQ模型对上海市2022年12月六种大气污染物(SO_(2)、NO_(2)、PM_(10)、PM2.5、O_(3)、CO)浓度的预报数据以及监测站的气象数据和污染物浓度实测数据作为HHO-CNN-LSTM模型的输入,对CMAQ模型预报结果进行修正。使用均方根误差(RMSE)、平均绝对误差(MAE)和一致性指数(IOA)作为评价指标。结果显示,修正模型显著提高了六项污染物浓度的预测精度,RMSE减少了73.11%~91.31%,MAE减少了67.19%~89.25%,IOA提升了35.34%~108.29%。同时针对HHO算法陷入局部最优而导致修正模型对CO浓度预测效果不佳的问题,使用高斯随机游走策略对HHO算法进行改进,显著提高了CO浓度的预测精度。相比于改进之前,RMSE减少了39.55%,MAE减少了45.93%,IOA提高了32.43%。 展开更多
关键词 空气质量预报 CMAQ模型 卷积神经网络 长短期记忆神经网络 哈里斯鹰优化算法
在线阅读 下载PDF
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
使用帮助 返回顶部