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281篇文章
< 1 2 … 15 >
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：
基于注意力机制LSTM神经网络的北方岩溶大泉水位预测研究
1
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LSTM神经网络的智能汽车轨迹跟踪混合控制策略研究
2
作者 张良 程浩 +1 位作者 卢剑伟 雷夏阳 《合肥工业大学学报(自然科学版)》 北大核心 2026年第1期1-12,共12页
针对车辆轨迹跟踪过程中实时迭代求解隐式模型预测控制(model predictive control,MPC)计算效率低且实时性较差以及显式MPC受限于预计算的问题,文章提出基于长短期记忆(long short-term memory,LSTM)神经网络并结合MPC与线性二次型调节... 针对车辆轨迹跟踪过程中实时迭代求解隐式模型预测控制(model predictive control,MPC)计算效率低且实时性较差以及显式MPC受限于预计算的问题,文章提出基于长短期记忆(long short-term memory,LSTM)神经网络并结合MPC与线性二次型调节器(linear quadratic regulator,LQR)的混合控制策略。通过设置控制器的动态切换条件,在低速或状态误差较小时,采用LQR进行反馈控制,以快速响应并降低计算成本;在高速或状态误差较大时,采用MPC控制提供高精度轨迹跟踪,同时利用LSTM神经网络在线学习MPC控制行为,逐步逼近其控制效果,当LSTM学习误差满足阈值后,系统切换至LSTM结合LQR控制模式,LSTM生成基础控制信号,而LQR负责实时反馈调整以补偿动态环境中的扰动或误差。仿真实验结果表明,该混合控制策略在提高跟踪控制精度的同时能显著提升计算效率。 展开更多
关键词 长短期记忆(lstm)神经网络 模型预测控制(MPC) 线性二次型调节器(LQR) 动态切换机制 轨迹跟踪控制
在线阅读 下载PDF
基于TCN-Attention-LSTM的大沽河流域场次洪水预测模型
3
作者 翟明慧 桑国庆 +2 位作者 吴先敏 刘薇 刘阳 《水电能源科学》 北大核心 2026年第2期22-27,共6页
为提升深度学习模型在径流模拟中的预测性能,构建了融合时域卷积网络(TCN)、注意力机制(Attention)、长短期记忆网络(LSTM)的耦合模型,探究了耦合模型在不同预见期下的径流模拟和预测能力,并与其他深度学习模型进行了对比分析。在大沽... 为提升深度学习模型在径流模拟中的预测性能,构建了融合时域卷积网络(TCN)、注意力机制(Attention)、长短期记忆网络(LSTM)的耦合模型,探究了耦合模型在不同预见期下的径流模拟和预测能力,并与其他深度学习模型进行了对比分析。在大沽河流域的应用结果表明,相同预见期条件下,TCN-Attention-LSTM模型表现出了较好的径流模拟效果,模拟精度优于其他对比模型,在预见期为1~6 h时纳什效率系数N_(NSE)均在0.80以上;随着预见期增加,TCN-Attention-LSTM耦合模型在预见期为4~6 h时优势更显著,当预见期为6 h时,TCN-Attention-LSTM模型的纳什效率系数N_(NSE)仍达到0.82,模型预报性能明显优于其他模型,预报精度呈现缓慢下降趋势,具有更好的鲁棒性。研究结果可为流域洪水预报提供新思路。 展开更多
关键词 径流模拟及预测 深度学习模型 时间卷积神经网络 lstm模型 注意力机制
原文传递
基于TCN-LSTM模型的深基坑变形预测研究
4
作者 叶剑锋 《广州建筑》 2026年第1期72-77,共6页
由于深基坑变形发展趋势受复杂地质条件及动态施工环境影响,为保障基坑安全而对深基坑变形开展精准预测,是亟待突破的工程难题。为实现高精度与强鲁棒性的变形预测,该研究提出一种融合时序卷积网络(TCN)与长短期记忆网络(LSTM)的混合深... 由于深基坑变形发展趋势受复杂地质条件及动态施工环境影响,为保障基坑安全而对深基坑变形开展精准预测,是亟待突破的工程难题。为实现高精度与强鲁棒性的变形预测,该研究提出一种融合时序卷积网络(TCN)与长短期记忆网络(LSTM)的混合深度学习模型(TCN-LSTM)。该模型通过TCN中的扩张因果卷积操作提取多尺度时序特征,并利用LSTM的门控机制建模长期依赖与非线性的动态演化过程。TCN与LSTM的跨模态集成有效增强了模型的特征表达与泛化能力。基于广州某医院深基坑工程的实测数据开展对比实验,结果表明:所提出的TCN-LSTM模型在拟合优度(R^(2))、均方误差(MSE)与平均绝对误差(MAE)三项指标上均显著优于传统RNN、LSTM及CNNLSTM模型,其R^(2)分别提升97.43%、80.59%及11.38%,MSE分别降低33.01%、23.66%与10.13%,MAE分别降低57.81%、49.00%与35.46%,同时表现出优异的噪声鲁棒性。该研究为深基坑变形预测提供了一种可靠的解决方案,对工程风险的智能感知与主动防控具有重要理论价值与工程应用前景。 展开更多
关键词 深基坑 变形预测 时间卷积网络(TCN) 长短期记忆神经网络(lstm) 混合深度学习模型(TCN-lstm) 鲁棒性
在线阅读 下载PDF
基于多变量CNN-LSTM神经网络的白家包滑坡位移预测 被引量：3
5
作者 秦世伟 何浩 +3 位作者 谢攀 罗柏程 张彤 戴自立 《应用基础与工程科学学报》 北大核心 2025年第5期1239-1247,共9页
滑坡是一种常见的地质灾害,严重威胁着人民生命财产安全.为减少滑坡带来的损失,对滑坡体位移的精准预测显得尤为关键.结合CNN神经网络和LSTM神经网络,采用PCA数据降维和贝叶斯优化超参数,建立了基于CNN-LSTM组合的多变量神经网络模型用... 滑坡是一种常见的地质灾害,严重威胁着人民生命财产安全.为减少滑坡带来的损失,对滑坡体位移的精准预测显得尤为关键.结合CNN神经网络和LSTM神经网络,采用PCA数据降维和贝叶斯优化超参数,建立了基于CNN-LSTM组合的多变量神经网络模型用于预测滑坡位移.以白家包滑坡为例,基于2017~2019年的12组监测数据,构建了单变量CNN-LSTM、多变量LSTM、多变量CNN以及多变量CNN-LSTM的滑坡位移预测模型.对比各模型预测精度,结果显示:在衡量模型性能的关键指标MAE、RMSE、MAPE和R^(2)以及测试集模型预测值和真实值的拟合度方面,多变量CNN-LSTM模型的滑坡位移预测结果均展现出显著优势.因此,该模型可为滑坡体位移的准确预测,以及滑坡灾害的预警预报和防灾减灾工作提供科学依据. 展开更多
关键词 CNN-lstm神经网络 PCA数据降维 贝叶斯优化超参数 白家包滑坡 位移预测 多变量模型
原文传递
CNN-LSTM在桥梁预警机制的研究与应用 被引量：4
6
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SBAS-InSAR与LSTM技术的高寒矿区排土场边坡形变监测研究 被引量：2
7
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LSTM动压气浮陀螺仪动态偏心误差补偿模型 被引量：1
8
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LSTM神经网络模型的地方政府债务风险非线性预警研究 被引量：1
9
作者 谢佳辉 蔡育涵 张斌 《金融发展研究》 北大核心 2025年第10期16-26,共11页
为响应完善政府债务管理制度、防范化解地方政府债务风险的政策要求,本文以2018—2023年中国275个地市层面面板数据为基础,结合三次指数平滑法、LSTM神经网络模型、修正的KMV模型等方法系统探究地方政府显性和隐性债务预测、风险评价及... 为响应完善政府债务管理制度、防范化解地方政府债务风险的政策要求,本文以2018—2023年中国275个地市层面面板数据为基础,结合三次指数平滑法、LSTM神经网络模型、修正的KMV模型等方法系统探究地方政府显性和隐性债务预测、风险评价及空间溢出效应。研究结果发现:一是LSTM神经网络模型在地方政府债务预测中表现更优,能精准捕捉时序数据长距离依赖关系,预测误差低且泛化能力强;二是修正的KMV模型测算表明,地方政府债务违约概率存在区域异质性,中西部及经济欠发达地区风险较高,且风险演化呈现显性化、政策重构、分化固化三阶段特征;三是空间计量分析证实,地方政府债务风险存在显著正向空间溢出效应与时间滞后效应,同时相邻地区前期风险暴露对本地当期风险具有负向“预警效应”。综上,本文构建的非线性预警与空间分析框架,为地方政府债务风险精准防控与差异化政策制定提供了实证支撑。 展开更多
关键词 地方政府债务 lstm神经网络 KMV模型 非线性预警
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
10
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
11
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
12
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神经网络的船舶油耗模型研究 被引量：1
13
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SVM-SARIMA-LSTM模型的城市用水量实时预测 被引量：3
14
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Attention+Bi-LSTM神经网络算法的页岩气井关键测井曲线补全方法 被引量：3
15
作者 吴磊 黄小惠 +4 位作者 姜巍 周一博 吴林 徐云贵 曹国威 《天然气勘探与开发》 2025年第3期45-53,共9页
页岩特殊的层理结构致使页岩气井钻井过程中容易发生井壁垮塌、井况复杂,常常造成密度测井曲线等关键测井数据的缺失,因而在复杂井况地区或测井质量不够好的情况下,准确预测页岩气井测井曲线便成为提高页岩气储层预测精度的手段之一。... 页岩特殊的层理结构致使页岩气井钻井过程中容易发生井壁垮塌、井况复杂,常常造成密度测井曲线等关键测井数据的缺失,因而在复杂井况地区或测井质量不够好的情况下,准确预测页岩气井测井曲线便成为提高页岩气储层预测精度的手段之一。为了补全页岩气井测井数据,基于长短期记忆神经网络模型(LSTM),利用四川盆地某页岩气区块评价井测井数据得到高质量的训练样本,将已有密度曲线作为深度学习的标签样本,构建并训练了基于注意力机制的双向长短期记忆神经网络模型(Attention+Bi-LSTM),然后优选与密度曲线相关性较好的非放射源的常规测井曲线,并在模型中引入注意力机制,以强化特征学习。研究结果表明:利用声波时差、自然伽马射线、无铀伽马、电阻率、铀元素含量预测密度数据,预测结果与真实值相关系数平均达到了0.94,较改进前提升13.6%。结论认为:基于Attention机制的Bi-LSTM模型在页岩气区块测井曲线预测中的适用性较好,既可有效补全测井资料,又可在必要时降低放射源对环境的风险、节约时间及成本,具有较高的推广应用价值。 展开更多
关键词 复杂页岩气井区 测井数据缺失 测井曲线补全 双向长短期记忆 神经网络模型 注意力机制 密度曲线
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：7
16
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：2
17
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
18
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CNN-LSTM模型的矿坑涌水量预测方法研究
19
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Dst指数预报方法
20
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
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 2 … 15 下一页 到第 页
使用帮助 返回顶部