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PS-InSAR技术与M-LSTM的小型水库大坝及岸坡变形预测模型研究 被引量：3
1
作者 王祥 姜楚 蒋煌斌 《水电能源科学》 北大核心 2024年第10期153-157,共5页
对小型水库大坝及岸坡变形进行准确预测是水库现代化管理工作的重要环节。为提高小型水库大坝及岸坡变形预测的准确性,基于PS-InSAR技术与M-LSTM神经网络(多变量长短记忆法),提出小型水库大坝及岸坡变形预测方法,首先利用PS-InSAR技术... 对小型水库大坝及岸坡变形进行准确预测是水库现代化管理工作的重要环节。为提高小型水库大坝及岸坡变形预测的准确性,基于PS-InSAR技术与M-LSTM神经网络(多变量长短记忆法),提出小型水库大坝及岸坡变形预测方法,首先利用PS-InSAR技术获取浏阳市4座典型小型水库坝体及坡岸变形特征,然后优化出3种变形影响因素,建立基于M-LSTM的小型水库大坝及岸坡变形预测模型,并对其准确性进行了验证。结果表明,PS-InSAR技术在小型水库坝体及坡岸变形监测中具有良好的可操作性;M-LSTM模型比LSTM模型具有更好的预测效果,其平均判定系数达到了0.91,平均绝对误差、平均均方根误差也仅为0.012、0.010,可见M-LSTM模型在小型水库大坝及岸坡变形预测中有较好的适用性。 展开更多
关键词 小型水库 PS-INSAR m-lstm 变形预测
原文传递
引入注意力机制的多因素LSTM地下水位预测模型
2
作者 刘小蝶 张红月 +1 位作者 芮小平 孙文 《水文》 北大核心 2025年第2期73-79,共7页
针对传统地下水位预测模型未考虑相关影响因素而导致的预测精度较低的问题,考虑多源因素如气象数据和归一化植被指数(NDVI)等对地下水位的影响,提出基于注意力机制的多因素长短期记忆(M-LSTM)神经网络模型,旨在通过融合多个关键因素提... 针对传统地下水位预测模型未考虑相关影响因素而导致的预测精度较低的问题,考虑多源因素如气象数据和归一化植被指数(NDVI)等对地下水位的影响,提出基于注意力机制的多因素长短期记忆(M-LSTM)神经网络模型,旨在通过融合多个关键因素提高预测准确性。算法的核心思想在于改造经典的长短期记忆(LSTM)网络输入端,使之能够学习多因素的数据特征,并在LSTM层之间加入注意力机制,使其能够更好地学习并强调多因素数据中的时间特征。以山西省大同市作为研究区域进行预测,输入数据集包括2015—2020年的逐月植被指数(NDVI)数据、地下水位观测数据以及气象数据,并进行嵌套交叉验证,以均方根误差(RMSE)作为性能评价指标。实验结果表明,引入注意力机制的M-LSTM模型能够有效预测地下水位,其最小均方根误差(RMSE)仅为0.4367,精度较高。 展开更多
关键词 地下水位 深度学习 m-lstm 注意力机制 预测模型
在线阅读 下载PDF
基于多头LSTM模型的南疆枣树土壤墒情预测 被引量：1
3
作者 杨轶航 吕德生 +4 位作者 刘宁宁 王振华 李淼 张金珠 王东旺 《水资源与水工程学报》 北大核心 2025年第2期207-217,共11页
在南疆枣业生产中,准确预测土壤墒情对于优化作物种植质量和制定灌溉计划至关重要。通过建立高精度的土壤墒情预测模型,为南疆枣树的灌溉管理提供了科学依据。基于2021和2022年的全生育期枣树在20、40、60、80 cm土层的土壤墒情数据、... 在南疆枣业生产中,准确预测土壤墒情对于优化作物种植质量和制定灌溉计划至关重要。通过建立高精度的土壤墒情预测模型,为南疆枣树的灌溉管理提供了科学依据。基于2021和2022年的全生育期枣树在20、40、60、80 cm土层的土壤墒情数据、气象数据以及灌溉水量等小时级数据集,采用长短期记忆神经网络(LSTM)模型对各土层土壤墒情进行多步预测。引入了由4个单一LSTM模型组成的多头LSTM模型,旨在扩大预测范围并提高预测精度,并采用k折交叉验证结合麻雀搜索算法(SSA)对每个单一LSTM模型进行超参数调优,以提升模型的泛化能力和准确性。对各单一模型的输出进行加权平均,获得最终的预测结果。结果表明:在4个土层墒情均值数据集上,多头LSTM模型对未来1、12、24、48 h的土壤墒情预测的决定系数(R^(2))分别提升至0.951、0.932、0.870、0.815;多头LSTM模型可有效提升枣树土壤墒情的中长期预测精度,特别是在24和48 h的预测中,改进效果尤为明显,这为枣树的精细化灌溉管理提供了有力支持,可帮助农民更有效地利用水资源,减少浪费。 展开更多
关键词 土壤墒情预测 多头LSTM 麻雀搜索算法 k折交叉验证 南疆滴灌骏枣
在线阅读 下载PDF
基于MLP和LSTM多因素网球比赛中动量波动胜负趋势模型研究
4
作者 贠欣欣 冯孝周 +3 位作者 邢润强 任笑笑 时华 胡凯 《内蒙古师范大学学报(自然科学版)》 2025年第2期188-197,共10页
通过深入分析部分温布尔登网球公开赛男子组决赛的比赛数据,探讨网球比赛中势头变化的现象,并创建了一套新的综合胜率指标和发球方优势指标,利用这些指标构建势头模型,预测比赛的胜负并制定更科学合理的战术和训练策略。首先,对数据进... 通过深入分析部分温布尔登网球公开赛男子组决赛的比赛数据,探讨网球比赛中势头变化的现象,并创建了一套新的综合胜率指标和发球方优势指标,利用这些指标构建势头模型,预测比赛的胜负并制定更科学合理的战术和训练策略。首先,对数据进行处理并对特征进行筛选和创建,构建Momentum模型评价指标体系;然后,通过分析比赛中的波动与连续成功之间的关系,发现相关性显著;最后,综合考虑多方面因素,提出一种基于多层感知机模型与长短期记忆网络的组合预测模型,结合多层感知机(multilayer perceptron,MLP)的特征学习能力强与长短期记忆网络(long short-term memory,LSTM)预测精度高的优点,对比赛波动趋势进行高效精准预测,构建M‐LSTM模型预测比赛动态变化和胜负趋势,并使用Shap值方法可视化特征重要性,结果显示模型可以很好捕捉比赛的大体趋势,预测最终结果,对相关科学研究和网球运动的发展具有重要的参考意义。 展开更多
关键词 网球运动 深度学习 综合胜率指标 M‐LSTM模型 Shap值
在线阅读 下载PDF
基于季节性自回归积分滑动平均与深度学习长短期记忆神经网络的降水量预测 被引量：15
5
作者 张丽婷 李鹏飞 +2 位作者 庞文静 惠雯 秦孟晟 《科学技术与工程》 北大核心 2022年第9期3453-3463,共11页
降水量数据是一种非线性、非平稳的时序序列,传统的方法较难获取数据的变化规律,深度学习长短期记忆(long short-term memory,LSTM)能较好地处理多要素变量与降水量之间的非线性关系。利用扬州市区1960—2019年8种气象基本要素数据,采... 降水量数据是一种非线性、非平稳的时序序列,传统的方法较难获取数据的变化规律,深度学习长短期记忆(long short-term memory,LSTM)能较好地处理多要素变量与降水量之间的非线性关系。利用扬州市区1960—2019年8种气象基本要素数据,采用传统季节性自回归积分滑动平均(seasonal autoregressive integrated moving average,SARIMA)模型和深度学习LSTM神经网络方法对降水量数据进行预测比对,并着重分析了LSTM在不同类型不同输入与输出模式形态下的预测水平差异。结果表明:传统的SARIMA模型中静态模式较动态模式能更好地反映出扬州市区月降水量数据变化趋势,且与实际值差距较小。动态模式容易造成误差累积或整体易呈现周期性稳态变化,实时性欠缺。深度学习LSTM多输入单输出动态预测模式下,完整周期的数据输入可以让神经网络更好地学习数据的变化规律。然而将多个周期数据作为一个输入单位,易造成模型过拟合。LSTM模型(预期回顾look_back=12)对扬州市区月降水量预测精度优于传统的SARIMA模型,均方根误差(root mean squared error,RMSE)训练值低0.02。LSTM多输入单输出动态模式(look_back=12)较LSTM多输入多输出静态模式,RMSE测试值低0.33,体现出该模式对扬州市区月降水量预测准确度更高。与此同时,多类LSTM(multi-category LSTM,M-LSTM)多输入多输出静态模式预测准确度优于LSTM多输入多输出静态模式,RMSE测试值低0.19,反映出M-LSTM多输入多输出静态模式的优点。 展开更多
关键词 深度学习 LSTM m-lstm SARIMA 降水量预测 扬州市区
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