期刊文献+
共找到267篇文章
< 1 2 14 >
每页显示 20 50 100
CNN-LSTM在桥梁预警机制的研究与应用 被引量:1
1
作者 潘浩 李富年 +2 位作者 余兴盛 秦寰宇 陈志丹 《计算机应用与软件》 北大核心 2025年第3期29-33,40,共6页
为了更好地满足桥梁健康监测系统的需求,提高桥梁健康监测系统的性能,将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制,提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景,将卷积神经网络CNN与... 为了更好地满足桥梁健康监测系统的需求,提高桥梁健康监测系统的性能,将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制,提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景,将卷积神经网络CNN与长短时记忆网络LSTM结合起来构建CNN-LSTM模型,对桥梁的挠度数据进行预测。通过对实验结果分析发现CNN-LSTM模型能够有效预测出桥梁的挠度数据,在置信区间为±0.1 mm的情况下,准确率达到92.8%,在预测未来十分钟的挠度数据中,均方根误差RMSE为0.1097。实践表明时序数据库InfluxDB与CNN-LSTM模型的融合增强桥梁健康监测系统对潜在威胁的感知能力,有效提高桥梁健康监测系统的预警报警机制。 展开更多
关键词 桥梁工程 长短时记忆网络 卷积神经网络 CNN-lstm模型 InfluxDB
在线阅读 下载PDF
基于GNN-LSTM融合模型的智慧公寓能耗预测与管理研究
2
作者 周亚凤 杨徐华 《现代信息科技》 2025年第19期131-135,共5页
智慧公寓中的能源管理对提升能源利用效率和实现节能减排十分重要。传统预测方法往往难以捕捉公寓单元之间的空间关联性及能耗随时间的非线性波动。为此,文章提出了一种融合图神经网络(GNN)与长短期记忆网络(LSTM)的创新算法。利用图卷... 智慧公寓中的能源管理对提升能源利用效率和实现节能减排十分重要。传统预测方法往往难以捕捉公寓单元之间的空间关联性及能耗随时间的非线性波动。为此,文章提出了一种融合图神经网络(GNN)与长短期记忆网络(LSTM)的创新算法。利用图卷积网络(GCN)有效提取公寓单元间的物理邻近关系,并利用LSTM刻画各单元能耗的时序动态变化,从而显著提升预测准确性。还探讨了模型在不同预测时长下的性能表现,实验结果表明,GNN-LSTM模型在长期预测中仍能保持较低的误差增长率,具有良好的泛化能力和实际应用价值。 展开更多
关键词 智慧公寓 能耗预测 图神经网络 深度时序模型 GNN-lstm
在线阅读 下载PDF
基于SAE和LSTM神经网络的深部未钻地层可钻性预测方法 被引量:2
3
作者 朱亮 李晓明 +1 位作者 纪慧 楼一珊 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期39-46,64,共9页
在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM... 在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM组合模型的训练时间和预测结果与BP神经网络、支持向量机、随机森林和单一的LSTM模型进行了对比分析。结果表明:所构建的SAE-LSTM组合模型预测地层可钻性训练用时最短,预测值与实际测量值误差最小,拟合结果的均方根误差RMSE仅为0.081,平均绝对百分比误差MAPE为1.189,决定系数R^(2)为0.966,其RMSE和MAPE最小,R 2最大,较其他模型预测精度更高。该方法为地层参数预测提供了新的途径,能改善以往预测方法在处理复杂地层问题时预测效率低、预测精度不高等问题。 展开更多
关键词 深部地层钻探 岩石可钻性 预测模型 栈式自动编码器 lstm神经网络 深度学习
在线阅读 下载PDF
基于QPSO-LSTM神经网络建立非定常气动模型的方法 被引量:1
4
作者 魏小峰 魏巍 李鹏 《航空科学技术》 2025年第2期102-110,共9页
飞行器的空气动力学参数具有强非线性和非定常特性,利用人工智能方法建模可以避开复杂的空气动力学机制,不仅可以降低技术门槛,还可以提高建模效率。因此,本文提出一种基于量子粒子群优化-长短时记忆(QPSO-LSTM)神经网络的非定常气动力... 飞行器的空气动力学参数具有强非线性和非定常特性,利用人工智能方法建模可以避开复杂的空气动力学机制,不仅可以降低技术门槛,还可以提高建模效率。因此,本文提出一种基于量子粒子群优化-长短时记忆(QPSO-LSTM)神经网络的非定常气动力建模方法。以NACA0012翼型俯仰运动的非定常气动特性为研究对象,通过翼型的飞行状态参数预测翼型在运动过程中所受到的气动力。在建模的过程中采用LSTM神经网络为基础模型,然后利用QPSO算法优化LSTM神经网络的超参数,如层神经元个数、历史数据长度和训练批次大小。研究结果表明,QPSO算法能较好地搜索LSTM神经网络超参数的全局最优解;QPSO-LSTM模型相比常规循环神经网络(RNN)和LSTM模型,在内插和外插预测气动力系数时具有更高的精度和更好的泛化能力,该方法可被用于航空航天领域的非定常气动力预测。 展开更多
关键词 QPSO lstm 神经网络 非定常 气动力建模
在线阅读 下载PDF
基于LSTM动压气浮陀螺仪动态偏心误差补偿模型
5
作者 李岩 孙云洋 张德胜 《传感器与微系统》 北大核心 2025年第11期123-127,131,共6页
为了提高动压气浮陀螺仪的精度,针对复杂运动条件下动压气浮陀螺转子的偏心运动,提出一种将润滑计算理论、陀螺仪误差分析与长短期记忆(LSTM)神经网络相结合的陀螺仪动态误差预测方法。首先,根据润滑计算和转子动力学方程,得到陀螺仪相... 为了提高动压气浮陀螺仪的精度,针对复杂运动条件下动压气浮陀螺转子的偏心运动,提出一种将润滑计算理论、陀螺仪误差分析与长短期记忆(LSTM)神经网络相结合的陀螺仪动态误差预测方法。首先,根据润滑计算和转子动力学方程,得到陀螺仪相关力学参数,根据干扰力矩公式获得陀螺仪误差;然后,建立五自由度运动与动压气浮陀螺仪输出误差的关系式和数据集,运用60种工况下创建的6000组数据代入LSTM神经网络模型进行迭代训练,构建一种新的陀螺仪误差补偿模型;最后,在不同工况下测试,验证误差补偿模型精度。结果表明:将五自由度运动运用LSTM神经网络进行误差预测所建立的误差补偿模型在陀螺仪误差预测方面的适用性,该方法对高精度陀螺仪误差补偿具有一定理论指导意义。 展开更多
关键词 动压气浮陀螺仪 润滑计算模型 五自由度运动 长短期记忆神经网络 误差补偿模型
在线阅读 下载PDF
基于SBAS-InSAR与LSTM技术的高寒矿区排土场边坡形变监测研究
6
作者 吴志杰 刘昌义 +5 位作者 胡夏嵩 唐彬元 李帅飞 邓太国 梁晓娜 雷浩川 《工程地质学报》 北大核心 2025年第3期1083-1098,共16页
针对传统监测技术难以对高寒冻融环境条件下矿区排土场边坡开展连续性、整体性形变监测,以及难以实现精准预测排土场变形趋势,本文以青海木里煤田江仓矿区2号井为研究区,基于Sentinel-1 A影像数据,联合SBAS-InSAR与长短期记忆神经网络(L... 针对传统监测技术难以对高寒冻融环境条件下矿区排土场边坡开展连续性、整体性形变监测,以及难以实现精准预测排土场变形趋势,本文以青海木里煤田江仓矿区2号井为研究区,基于Sentinel-1 A影像数据,联合SBAS-InSAR与长短期记忆神经网络(LSTM)的方法,获取青海木里煤田江仓矿区2号井2019~2022年间2处排土场边坡形变结果,开展排土场边坡形变特征和降雨因素对边坡形变趋势的影响研究,并利用排土场边坡时序形变结果进行LSTM预测模型的构建。研究结果表明,青海木里煤田江仓矿区2号井南、北2处排土场边坡年平均形变速率为-62~21 mm·a^(-1),最大累积沉降量分别为255 mm、214.5 mm;对比日降雨量值表明,降雨后排土场边坡形变表现出呈相对加速沉降的变化趋势;在LSTM模型的预测样本中最大误差为2.42 mm,决定系数(R^(2))均大于0.9,最大均方根误差(RMSE)、均方误差(MAE)分别为1.14 mm、0.97 mm,表明使用SBAS-InSAR技术与构建LSTM模型在高寒矿区排土场边坡形变监测及预测方面具有可靠性和可行性,可为高寒矿区排土场边坡及类似工程边坡稳定性评价及病害防治提供科学指导。 展开更多
关键词 高寒矿区 SBAS-InSAR 长短期记忆(lstm)神经网络模型 变形监测
在线阅读 下载PDF
基于BERTopic和LSTM模型的新兴主题预测研究 被引量:5
7
作者 张家惠 丁敬达 《情报科学》 北大核心 2025年第1期98-105,126,共9页
【目的/意义】相比新兴主题的回溯性探测,对新兴主题进行预测研究可以提高新兴主题识别的准确性和前瞻性,有助于丰富新兴主题探测分析的方法体系。【方法/过程】首先,利用BERTopic模型得到领域系列主题;其次,基于文档频率、引用频率、Ps... 【目的/意义】相比新兴主题的回溯性探测,对新兴主题进行预测研究可以提高新兴主题识别的准确性和前瞻性,有助于丰富新兴主题探测分析的方法体系。【方法/过程】首先,利用BERTopic模型得到领域系列主题;其次,基于文档频率、引用频率、Pscore和新兴分数构建模型预测特征集;然后基于主题前三年特征集数据采用LSTM模型预测后两年新兴分数,判断得到领域新兴主题。【结果/结论】构建基于BERTopic和LSTM模型的新兴主题预测方法,并以数据安全领域为例进行实证研究,通过和BP、SVM模型以及相关研究结果的比较表明该方法得到的新兴主题更加有效和合理。【创新/局限】融合新颖性、增长性和影响性特征,构建单一指标新兴分数来预测新兴主题,但没有考虑对未来可能出现主题的预测。 展开更多
关键词 BERTopic模型 神经网络 lstm 预测 新兴主题 数据安全
原文传递
基于BO-LSTM的排露沟流域气象水文演变分析及径流预测模型建立 被引量:1
8
作者 康永德 陈佩 +3 位作者 许尔文 任小凤 敬文茂 张娟 《水利水电技术(中英文)》 北大核心 2025年第4期1-11,共11页
【目的】为揭示祁连山排露沟流域水文情势演变特征,并且为流域未来的水资源管理和优化配置提供依据和参考【方法】根据祁连山野外观测站2000—2019年实测径流和水文资料,采用线性趋势法、Pettitt检验、小波分析等方法,开展了降水与气温... 【目的】为揭示祁连山排露沟流域水文情势演变特征,并且为流域未来的水资源管理和优化配置提供依据和参考【方法】根据祁连山野外观测站2000—2019年实测径流和水文资料,采用线性趋势法、Pettitt检验、小波分析等方法,开展了降水与气温对径流量变化的影响,并建立了BO-LSTM排露沟流域径流预测模型。【结果】结果显示:(1)2000—2019年排露沟流域降水、气温和径流呈现两段式的上升趋势,分界点在2010年,降水和径流,第一阶段上升趋势均高于第二阶段,斜率依次为10.74、3.16;气温则相反,第二阶段高于第一阶段,斜率为0.11。并且降水、气温和径流的MK突变检验z值均大于0。(2)降水量在5—10月对径流量变化的贡献率较大;而气温在12月—次年4月对径流变化的贡献率大。(3)排露沟流域气温主要有3 a、14 a两个主周期,其中第一主周期为14 a;径流存在19 a、9 a和3 a三个主周期,其中第一主周期为19 a;降水主要存在4 a、11 a两个主周期,第一主周期为11 a。(4)BO-LSTM排露沟径流预测模型,精度R 2为0.63,均方根误差为14047 m 3,模型在径流量较小月份的预测精度大于径流量较大的月份。【结论】近20年来排露沟流域的降水、气温及径流均呈上升趋势;排露沟流域径流、降水及气温均存在明显的周期性;气温和降水是影响排露沟流域径流的重要因素;径流预测模型可以适用于排露沟流域。上述研究结果为祁连山水资源效应研究和内陆河流域水资源预测提供科学支撑。 展开更多
关键词 水文 水资源 径流演变 排露沟流域 径流预测 神经网络 lstm(Long Short-Term Memory)模型 贝叶斯优化算法
在线阅读 下载PDF
基于EEMD-IAO-LSTM组合模型的股票价格预测
9
作者 李希亮 户毓涵 《山东工商学院学报》 2025年第3期15-27,42,共14页
将改进的天鹰优化算法(IAO)与LSTM相结合,针对股票价格时间序列具有高噪声、非线性、非平稳、非正态等复杂特征,引入集合经验模态分解(EEMD)进行降噪处理,最终提出EEMD-IAO-LSTM组合模型,并选取上证指数日收盘价对提出的组合模型进行实... 将改进的天鹰优化算法(IAO)与LSTM相结合,针对股票价格时间序列具有高噪声、非线性、非平稳、非正态等复杂特征,引入集合经验模态分解(EEMD)进行降噪处理,最终提出EEMD-IAO-LSTM组合模型,并选取上证指数日收盘价对提出的组合模型进行实证研究。研究结果表明,相较于BP模型、LSTM模型、EEMD-LSTM模型、EEMD-GWO-LSTM模型,EEMD-IAO-LSTM组合模型融合了各单一模型的优势,对股票价格具有更强的预测能力。 展开更多
关键词 股指预测 EEMD IAO lstm神经网络 组合模型
在线阅读 下载PDF
基于注意力机制LSTM神经网络的北方岩溶大泉水位预测研究
10
作者 黄林显 徐征和 +7 位作者 支传顺 李双 刘治政 邢立亭 朱恒华 王晓玮 毕雯雯 胡晓农 《地学前缘》 北大核心 2026年第1期419-431,共13页
岩溶地下水是北方岩溶区重要供水水源,准确预测其水位动态对地下水资源科学管理和保护具有重要意义。但岩溶含水系统具有强烈的非均质性和各向异性,导致其水位动态往往体现出非平稳及非线性波动状态,造成进行地下水位预测时易产生较大... 岩溶地下水是北方岩溶区重要供水水源,准确预测其水位动态对地下水资源科学管理和保护具有重要意义。但岩溶含水系统具有强烈的非均质性和各向异性,导致其水位动态往往体现出非平稳及非线性波动状态,造成进行地下水位预测时易产生较大误差。论文提出一种耦合注意力机制(Attention)和长短时记忆(LSTM,Long Short-Term Memory)神经网络的多变量趵突泉地下水位预测模型,利用泉域2013—2024年日降水(代表补给项)及水汽压、日气温和开采量(代表排泄项)进行模型训练和预测,结果表明:①采用BEAST(Bayesian Estimator of Abrupt Change,Seasonality,and Trend)算法对1958—2024年趵突泉水位时间序列进行分解,共识别出四个突变点并以此为依据将水位动态划分为四个阶段;②互相关分析揭示降雨和趵突泉水位动态变化之间存在2~3个月的时间滞后,表明两者之间动态变化较为一致;③所提出的预测模型以多种变量(降水量、水汽压、气温及开采量)作为模型输入,不同变量间的交互作用可相互验证,能有效提升预测精度;④采用正弦函数拟合日气温数据,可消除测量误差影响,能在一定程度上提高预测精度;⑤相较于单一LSTM神经网络和门控循环单元(GRU)神经网络,LSTM_Attention神经网络由于引入注意力机制,能聚焦更重要特征的影响,从而显著提高预测精度,其水位预测RMSE和R 2值分别为0.13 m和0.94。总体来说,本文所提出的LSTM_Attention神经网络岩溶地下水位预测模型具有较强的准确性和稳定性,可为岩溶地下水位精确预测提供借鉴。 展开更多
关键词 北方岩溶 水位预测 多变量模拟 lstm_Attention神经网络
在线阅读 下载PDF
基于CNN-LSTM模型的矿坑涌水量预测方法研究
11
作者 秦家翔 徐世光 +2 位作者 张兵 宗吉松 张佳伟 《煤炭技术》 2025年第7期234-239,共6页
为解决矿坑涌水量预测问题,提高预测精度,以云南先锋露天煤矿为研究对象,选取2018年1月—2023年12月涌水量为样本数据,结合卷积神经网络(CNN)和长短期记忆神经网络(LSTM)建立CNN-LSTM矿坑涌水量复合预测模型,按7∶3比例划分训练集和测试... 为解决矿坑涌水量预测问题,提高预测精度,以云南先锋露天煤矿为研究对象,选取2018年1月—2023年12月涌水量为样本数据,结合卷积神经网络(CNN)和长短期记忆神经网络(LSTM)建立CNN-LSTM矿坑涌水量复合预测模型,按7∶3比例划分训练集和测试集,选取Re LU作为模型激活函数,在训练过程中通过Adam算法不断优化模型参数。将模型预测结果分别与CNN、LSTM、RF和SVM单一模型及GA-BP复合模型作对比,结果表明:CNN-LSTM涌水量预测模型的均方根误差ERMS、绝对百分比误差EMAP、绝对平均误差EMA和相关系数R2分别为489.52、28.33%、420.00和0.96,CNN-LSTM模型的预测效果更好,精度更高。研究结果可为矿坑涌水量预测和矿山水害防治提供一定的理论依据和现实意义。 展开更多
关键词 矿坑涌水量预测 CNN-lstm模型 卷积神经网络 长短期记忆神经网络
原文传递
基于LSTM神经网络的船舶油耗模型研究
12
作者 李智东 易文欣 +1 位作者 陆丛红 周波 《大连理工大学学报》 北大核心 2025年第4期369-375,共7页
针对船舶节能减排和提高经济效益的需求,建立了准确的船舶油耗模型,为船舶采取各种航行策略优化措施提供了决策基础.基于丹麦籍客滚轮的实测运行数据,经过数据预处理和特征选取,利用LSTM神经网络和多种机器学习算法建立了案例船的油耗模... 针对船舶节能减排和提高经济效益的需求,建立了准确的船舶油耗模型,为船舶采取各种航行策略优化措施提供了决策基础.基于丹麦籍客滚轮的实测运行数据,经过数据预处理和特征选取,利用LSTM神经网络和多种机器学习算法建立了案例船的油耗模型.将各模型对测试集和额外时间序列测试集的预测值与真实值分别进行比较,结果表明LSTM模型对两种测试集的预测误差均低于1.30%,预测精度不会出现较大波动;而其他模型对额外时间序列测试集的预测性能会下降,稳定性和预测精度均不如LSTM模型.考虑到油耗模型的预测性能和实际应用场景,基于LSTM神经网络的油耗模型具有较大的优势,对后续的船舶油耗率预测及航行策略优化都具有重要意义. 展开更多
关键词 油耗率预测 黑箱模型方法 数据预处理 lstm神经网络
在线阅读 下载PDF
基于LSTM神经网络的Dst指数预报方法
13
作者 李绍文 牛俊 +2 位作者 梅冰 姚俐竹 李炎斌 《空间科学学报》 北大核心 2025年第3期641-652,共12页
Dst指数是当前使用较广泛的用于反映磁暴过程的小时地磁指数,对Dst指数的预报是现代空间天气学主要研究内容之一.基于LSTM神经网络方法,利用2008-2022年的太阳风参数和Dst指数建立Dst指数预报模型,分别为使用全时域数据建模的LSTM模型... Dst指数是当前使用较广泛的用于反映磁暴过程的小时地磁指数,对Dst指数的预报是现代空间天气学主要研究内容之一.基于LSTM神经网络方法,利用2008-2022年的太阳风参数和Dst指数建立Dst指数预报模型,分别为使用全时域数据建模的LSTM模型和仅使用磁暴期间数据建模的Storm模型.使用LSTM模型对2001-2002年间的Dst指数进行滚动预报,预报结果显示该模型对提前1~6 h的Dst指数预报相关系数达到0.94以上,均方根误差在11 nT以内. Storm模型能够较好地解决LSTM模型在磁暴(尤其是强磁暴, Dst<–100 nT)主相期间预报误差较大的问题,对2001-2002年期间的23次强磁暴事件预报结果表明, Storm模型对磁暴期间提前6 h的预报结果相关系数较LSTM模型由0.902提升至0.948.综合两个预报模型组成的LSTMStorm模型对Dst指数的预报结果相关系数在0.95以上,均方根误差在9 nT以内,相比单LSTM模型的预报精度有显著提升. 展开更多
关键词 Dst指数预报 lstm神经网络 预报模型 lstm-Storm模型
在线阅读 下载PDF
基于LSTM的改进模型在电离层TEC预报中的应用
14
作者 黄灿 黎峻宇 +2 位作者 刘立龙 黄良珂 韦律权 《空间科学学报》 北大核心 2025年第5期1256-1264,共9页
电离层延迟是全球卫星导航定位中重要的误差源之一,提高电离层总电子含量(Total Electron Content,TEC)预报精度对改善卫星导航定位精度极其重要.本文联合滑动窗口(Sliding Window)和长短时记忆(Long-Short-Term Memory,LSTM)神经网络,... 电离层延迟是全球卫星导航定位中重要的误差源之一,提高电离层总电子含量(Total Electron Content,TEC)预报精度对改善卫星导航定位精度极其重要.本文联合滑动窗口(Sliding Window)和长短时记忆(Long-Short-Term Memory,LSTM)神经网络,以滑动窗口算法对输入序列数据集不断更新并测试不同输入序列长度对应模型的精度,最后以预测值来更新输入数据序列的最后10%,进而构建TEC预报模型SLSTM(Sliding Window on Long-Short-Term Memory).验证结果表明,该模型在平静期和磁暴期预测残差绝对值小于5TECU的比例均达85%以上,较传统LSTM模型对应值占比增加了49%,71%,均方根误差(RMSE)低31%,35%;其预报结果的平均绝对误差(MAE)减少25%,32%;SLSTM模型预测结果的RMSE均值、MAE均值均比传统LSTM模型、BP模型小. 展开更多
关键词 电离层 总电子含量 长短时记忆网络 神经网络 改进模型
在线阅读 下载PDF
基于SVM-SARIMA-LSTM模型的城市用水量实时预测
15
作者 李轩 吴永强 +2 位作者 王佳伟 杨伟超 张天洋 《水电能源科学》 北大核心 2025年第3期36-39,6,共5页
为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋... 为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋势部分与气温、降水、风速、气压和相对湿度5个气象因素之间的关系,利用长短时记忆网络(LSTM)对波动性明显的残差部分进行关系捕捉,构建了SVM-SARIMA-LSTM用水量实时预测模型,并利用衡水市3个月时用水量数据和气象数据训练SVM-SARIMA-LSTM模型,以随后1周的实测数据作为验证集对模型预测性能进行评估。结果表明,SVM-SARIMA-LSTM模型的平均绝对百分比误差(E_(MAP))比SARIMA模型低4.502%,均方根误差(E_(RMSE))降低了39.084%,确定系数R^(2)提高了9.965%,最大绝对误差(E_(maxA))减小了55.946%,具有较好的应用价值。所建模型通过整合关键气象因素,准确地捕捉到城市用水量的季节性趋势及非季节性波动,展现了优良的泛化性。 展开更多
关键词 SARIMA模型 支持向量机 长短时记忆神经网络 SVM-SARIMA-lstm模型 STL分解程序 气象因素 用水量预测
原文传递
基于LSTM动态修正一维机理模型的CFB机组NO_(x)排放浓度预测方法
16
作者 王芳 马素霞 +1 位作者 田营 刘众元 《化工学报》 北大核心 2025年第7期3416-3425,共10页
CFB机组NO_(x)排放浓度实时监测方法的不足主要表现在:基于机理模型的NO_(x)排放浓度预测方法在某些不同于其建模条件的工况下,预测误差较大;基于机器学习模型的方法预测精度高,但缺乏物理意义,可解释性差。为此,提出一种CFB机组NO_(x)... CFB机组NO_(x)排放浓度实时监测方法的不足主要表现在:基于机理模型的NO_(x)排放浓度预测方法在某些不同于其建模条件的工况下,预测误差较大;基于机器学习模型的方法预测精度高,但缺乏物理意义,可解释性差。为此,提出一种CFB机组NO_(x)排放浓度预测融合模型,首先构建一维循环流化床整体半经验模型模拟炉内燃烧给出NO_(x)排放浓度初始预测值,其次基于长短期记忆人工神经网络构建误差校正模型,对初始预测值进行动态修正。以两台CFB机组为研究对象,结果表明,提出的模型优于单一的一维半经验模型以及长短期记忆网络、BP神经网络等模型。机理与机器学习方法的结合使得融合模型既具备高的预测精度,又具有良好的可解释性。 展开更多
关键词 循环流化床 动态建模 测量 NO_(x)排放浓度 lstm神经网络
在线阅读 下载PDF
基于模糊C聚类-云模型-LSTM网络的分接开关气象易损性评估预警
17
作者 龚禹璐 崔龙飞 +4 位作者 陈静 王典浪 须雷 李东 尹启 《现代电力》 北大核心 2025年第2期385-392,共8页
为解决新型电力系统中极端气象灾害对变压器有载分接开关(on load tap changer,OLTC)破坏严重、易造成故障的问题,提出一种基于模糊C均值聚类(fuzzy c-means,FCM)-云模型-长短期记忆网络(long short term memory network,LSTM)的有载分... 为解决新型电力系统中极端气象灾害对变压器有载分接开关(on load tap changer,OLTC)破坏严重、易造成故障的问题,提出一种基于模糊C均值聚类(fuzzy c-means,FCM)-云模型-长短期记忆网络(long short term memory network,LSTM)的有载分接开关气象灾害易损性评估预警方法。该方法首先基于变压器气象监测数据,建立致灾因子评估体系;根据FCM聚类算法,将传统云模型的阈值划分进行改进,得到客观云模型,将主客观云模型与其进行结合构建组合云模型。基于自然灾害理论,考虑地理孕灾环境、设备本身的抗灾能力、灾害风险累积程度以及面对灾害的风险综合处理能力等因素,对待评估灾害指标进行动态修正,将修正后的指标计算在组合云模型的隶属度中,从而得到OLTC各灾害易损性等级。最后,应用LSTM神经网络提取各致灾因子与各灾害易损性之间的关联规则,并进行气象灾害预警,形成最佳应对策略。算例结果表明:该文提出的OLTC气象灾害易损性评估预警方法准确率较高,达到了防灾减灾的效果。 展开更多
关键词 有载分接开关 极端气象灾害 改进云模型 lstm神经网络 易损性评估预警
原文传递
基于BP神经网络和LSTM网络模型的软土地基沉降预测分析
18
作者 刘亚辉 《工程技术研究》 2025年第2期18-20,共3页
为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题,文章基于厦门某机场工程自动化监测项目,辅以人工监测进行对比,分析偏差的成因,同时利用神经网络(back propagation,BP)和长短期记忆网络(long short-term memory,LSTM)模... 为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题,文章基于厦门某机场工程自动化监测项目,辅以人工监测进行对比,分析偏差的成因,同时利用神经网络(back propagation,BP)和长短期记忆网络(long short-term memory,LSTM)模型分别对典型区域表层沉降监测点的累计沉降量进行预测分析及精度对比,发现LSTM网络预测模型精度更高,整体预测效果优于BP神经网络模型,预测效果也更符合实际情况,能为计算工后沉降、评判处理效果、核实工程量等提供一定的参考依据。 展开更多
关键词 自动化监测 软土地基沉降 BP神经网络 lstm网络模型
在线阅读 下载PDF
基于PCA-LSTM的燃气轮机系统建模
19
作者 陆豪强 韩峰 +2 位作者 张文涛 翁晓凯 郑华平 《能源工程》 2025年第5期19-25,共7页
为提升燃气轮机关键状态参数的预测精度并支撑智能化运维,本文提出了一种基于主成分分析(PCA)与长短期记忆神经网络(LSTM)融合的燃气轮机建模方法。以PG9351FA燃气轮机为研究对象,针对压气机排气温度、排气压力及透平排气温度三个重要参... 为提升燃气轮机关键状态参数的预测精度并支撑智能化运维,本文提出了一种基于主成分分析(PCA)与长短期记忆神经网络(LSTM)融合的燃气轮机建模方法。以PG9351FA燃气轮机为研究对象,针对压气机排气温度、排气压力及透平排气温度三个重要参数,结合电厂实际运行数据,利用PCA将13个相关初始参数降维至4个关键参数,并在此基础上构建基于LSTM的动态预测模型,通过优化时间步长、神经元数等参数,实现对排气状态的时序建模。采集现场实际运行数据对所建立的模型精度进行验证,结果表明所建立的动态模型能较为准确预测压气机排气温度、排气压力和透平排气温度,并且相比于单一LSTM模型,PCA-LSTM模型的预测结果精度更高,为优化运行效率、降低碳排放提供了可靠的数据驱动技术支撑。 展开更多
关键词 燃气轮机 主成分分析 长短期记忆神经网络 建模
在线阅读 下载PDF
基于SBAS-InSAR和LSTM神经网络的矿区地表沉降监测与预测
20
作者 杨静 曹园园 +2 位作者 胡学彤 倪萍 李昭民 《经纬天地》 2025年第4期6-10,共5页
采空区地表残余变形会对拟建工程造成潜在威胁,因此,有必要对地表沉降进行准确分析和预测。以宁夏回族自治区宁东矿区某工作面为研究区域,选取覆盖该区域的169景Sentinel-1A影像,基于短基线集干涉测量技术(small baseline subset inSAR,... 采空区地表残余变形会对拟建工程造成潜在威胁,因此,有必要对地表沉降进行准确分析和预测。以宁夏回族自治区宁东矿区某工作面为研究区域,选取覆盖该区域的169景Sentinel-1A影像,基于短基线集干涉测量技术(small baseline subset inSAR,SBAS-InSAR)获得了地表年平均形变速率和累计形变量,然后,采用长短期记忆网络(long short-term memory,LSTM)算法构建地表沉降预测模型。实例验证结果表明:该工作面最大累计沉降量为-85.5 mm,最大沉降速率为-10.2 mm/a,且LSTM模型拟合结果与SBAS-InSAR监测结果较为接近,各监测点的平均绝对误差均小于1.0 mm,均方根误差最大为1.35 mm。矿区地表沉降的准确预测能够为矿区安全生产管理提供可靠的技术支持。 展开更多
关键词 SBAS-InSAR lstm神经网络 矿区地表沉降 预测模型
在线阅读 下载PDF
上一页 1 2 14 下一页 到第
使用帮助 返回顶部