期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
应用STGCN时空建模的地震波阻抗反演方法
1
作者 王泽峰 赵海波 +3 位作者 杨懋新 王团 许辉群 毛伟建 《石油地球物理勘探》 北大核心 2025年第1期43-53,共11页
现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓... 现今,深度学习地震波阻抗反演方法通常是通过低维度的时序建模,忽略了空间构造拓扑结构信息,导致反演精度较低。针对此问题,提出了一种基于STGCN(时空图卷积神经网络)时空建模的地震波阻抗反演方法。该方法考虑到地震数据的空间构造拓扑结构及互相关性,使用马氏距离对地震数据进行空间邻近度的加权处理建立邻接矩阵;进一步通过切比雪夫多项式扩大空间感受野的同时减少参数量,高效地提取地震数据的空间构造特征,同时利用门控循环单元捕获其时序相关性;最后构建时空图卷积单元实现基于STGCN的地震数据与波阻抗在时间和空间两个维度的映射。模型测试及实际资料反演结果表明,该方法在提高反演精度的同时对噪声具有一定的适应性,并可以很好的体现地层的横向变化。 展开更多
关键词 地震波阻抗反演 深度学习 时空建模 时空图卷积神经网络
在线阅读 下载PDF
基于STGCN模型的煤矿深部开采诱发微震预测研究
2
作者 乔建伟 《陕西煤炭》 2025年第9期111-115,143,共6页
深部煤炭开采会导致微震(MS)事件发生,在威胁工作人员人身安全的同时,也会对基础设施造成破坏,因此定量预测MS事件的时间、能量和位置(Time Energy and location,TEL)对于预防微震事件至关重要。为此,阐述了应用时空图卷积网络(STGCN)... 深部煤炭开采会导致微震(MS)事件发生,在威胁工作人员人身安全的同时,也会对基础设施造成破坏,因此定量预测MS事件的时间、能量和位置(Time Energy and location,TEL)对于预防微震事件至关重要。为此,阐述了应用时空图卷积网络(STGCN)预测深部煤炭能源开采诱发的MS事件TEL的方法,通过MS传感器之间的距离确定传感器网络的邻接矩阵,构建传感器网络图,使用GCN提取图中的时空细节,并基于现场MS监测数据对模型进行检验。结果表明,余弦相似度(C)在0.90以上,平均相对误差(MRE)在0.08以下,模型对MS事件的TEL具有较好的预测效果,对于保证深部煤炭开采的安全性和作业效率至关重要。 展开更多
关键词 冲击地压 微震事件 监测与预警 stgcn模型
在线阅读 下载PDF
基于动态时空融合的高速公路交织区无人车换道决策
3
作者 汪磊 张恒 +3 位作者 关志伟 潘勇 温立志 魏明江 《公路交通科技》 北大核心 2025年第8期1-17,共17页
【目标】针对高速公路交织区人机混合交通流交互场景下的无人车辆换道意图与轨迹预测问题,提出一种基于动态时空融合的Gra-Informer融合架构预测模型。【方法】该模型首先基于车辆交互拓扑的图神经网络提取高维意图特征,建立意图感知的... 【目标】针对高速公路交织区人机混合交通流交互场景下的无人车辆换道意图与轨迹预测问题,提出一种基于动态时空融合的Gra-Informer融合架构预测模型。【方法】该模型首先基于车辆交互拓扑的图神经网络提取高维意图特征,建立意图感知的时空表征;其次编码器采用概率稀疏注意力机制结合时序蒸馏技术,实现长序列特征的高效提取与压缩;最终解码器将意图特征作为条件先验,驱动车辆轨迹的预测生成。【结果】采用经Savitzky-Golay滤波处理的自然驾驶数据对模型进行训练、验证与测试。Gra-Informer融合模型在换道意图预测中达成91.54%的准确率。在性能对比中,模型展现出突出的时空特征建模能力,3 s短时域预测中,平均位移误差降低12.32%~30.06%,终点误差和误判率均降低4.00%~30.29%;在5 s长时域预测中,平均位移误差降低17.51%~33.33%,终点误差降低17.19%~33.47%,误判率降低17.50%~33.50%,体现出在交互场景下建模时序耦合特征的优势。【结论】Gra-Informer模型通过时空联合建模和意图-轨迹协同优化机制,能有效捕捉无人车与交通车辆间的动态交互特征,通过引入意图先验信息作为轨迹预测的条件约束,不仅保证了预测无人车辆轨迹的物理合理性,还显著提升了长时域轨迹预测的准确性和稳定性。 展开更多
关键词 智能交通 轨迹预测 Gra-Informer模型 交织区车辆 时空图神经网络
原文传递
空气质量预测的深度学习模型研究与实践
4
作者 黎嘉明 《智能计算机与应用》 2024年第7期182-189,共8页
及时和准确的空气质量预测数据对于环境管理至关重要,尤其是在空气重污染期间,预测数据可以为政府生态环境管理部门应对污染状况、精准地调配社会资源的决策提供数据支撑。本文提出的基于人工智能的深度学习模型AirNet6,可以兼顾准确性... 及时和准确的空气质量预测数据对于环境管理至关重要,尤其是在空气重污染期间,预测数据可以为政府生态环境管理部门应对污染状况、精准地调配社会资源的决策提供数据支撑。本文提出的基于人工智能的深度学习模型AirNet6,可以兼顾准确性和实时性,实现臭氧、二氧化硫、一氧化碳等因子的7天甚至更长时间的空气质量预测。与传统的化学模型演算不同,本模型使用时空图卷积网络(STGCN),捕获历史监测数据、天气预测数据、社会活动等数据的规律,在2 min内完成一百多个点位未来168 h数据的预测。实验表明,AirNet6模型在速度、节能和准确度上,比传统的化学模型及时间序列AI模型均有明显进步。 展开更多
关键词 空气质量预测 人工智能 深度学习模型 时空图卷积网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部