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2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：
融合时空图神经网络与知识图谱的双碳智能问答系统设计与实现
1
作者 吴永州 李威 《无线互联科技》 2025年第22期20-24,共5页
针对市域碳排放数据来源分散、方法体系零散的问题,文章构建了一套结合知识图谱与时空图神经网络(Spatio-Temporal Graph Neural Network,ST-GNN)的智能问答系统,用于双碳数据管理、时序预测与决策支持。该系统通过以市域“地块”为基... 针对市域碳排放数据来源分散、方法体系零散的问题,文章构建了一套结合知识图谱与时空图神经网络(Spatio-Temporal Graph Neural Network,ST-GNN)的智能问答系统,用于双碳数据管理、时序预测与决策支持。该系统通过以市域“地块”为基本单元构建的双碳知识图谱,图谱涵盖地理空间数据、碳排放碳汇估算数据、政策文本与不同用地碳测算模型等多源数据,同时引入ST-GNN模型预测地块及特定用地的碳排放趋势,进而通过BERT-CNN意图分类与CRF模型驱动的问答引擎,实现了对图谱知识的自然语言查询。实验表明,本系统可有效整合双碳领域知识并实现碳数据的精准预测,也为用户提供了便捷高效的智能化决策支持。 展开更多
关键词 双碳 知识图谱 智能问答 st-gnn 时空预测
在线阅读 下载PDF
基于深度学习的选煤厂振动筛故障诊断方法
2
作者 何长林 李越 +2 位作者 王斌 李彪 李敬兆 《自动化应用》 2024年第21期8-11,共4页
振动筛是选煤厂的关键设备。为及时发现振动筛可能出现的故障,通过非接触式智能感知及智慧处理装置采集并处理振动筛的音频信号,提出基于长短期记忆网络(LSTM)和时空图神经网络(ST-GNN)的故障诊断模型。首先利用经验模态分解(EMD)对音... 振动筛是选煤厂的关键设备。为及时发现振动筛可能出现的故障,通过非接触式智能感知及智慧处理装置采集并处理振动筛的音频信号,提出基于长短期记忆网络(LSTM)和时空图神经网络(ST-GNN)的故障诊断模型。首先利用经验模态分解(EMD)对音频进行预处理,其次使用ST-GNN-LSTM模型分别提取信号的时间和空间特征,融合时空特征最终实现故障诊断。将该模型算法嵌入到边缘端,最终由智能算法与软硬件结合共同组成选煤厂振动筛的故障诊断监测系统。实验表明,该方法能有效提取并利用振动筛音频信号特征,实现振动筛的故障诊断。 展开更多
关键词 振动筛 长短期记忆网络 时空图神经网络 故障诊断
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