期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
基于IWOA-CNN-LSTM模型的光伏发电功率预测
1
作者 王琦 徐晓光 《曲阜师范大学学报(自然科学版)》 2025年第4期97-102,共6页
该文提出了一种结合改进鲸鱼优化算法(IWOA)、卷积神经网络(CNN)和长短期记忆网络(LSTM)的超短期光伏发电组合预测模型.使用皮尔逊相关系数选取对光伏发电功率影响较大的因素作为输入,建立CNN-LSTM模型,使用IWOA算法优化模型超参数,实... 该文提出了一种结合改进鲸鱼优化算法(IWOA)、卷积神经网络(CNN)和长短期记忆网络(LSTM)的超短期光伏发电组合预测模型.使用皮尔逊相关系数选取对光伏发电功率影响较大的因素作为输入,建立CNN-LSTM模型,使用IWOA算法优化模型超参数,实现对输入数据高维特征的提取和拟合来进行预测,提高了模型预测精度.基于澳大利亚某光伏电站数据的实验结果表明,与其他模型相比,所提出的预测模型具有更高的精度. 展开更多
关键词 光伏功率预测 卷积神经网络 长短期记忆网络 鲸鱼优化算法
在线阅读 下载PDF
基于多源信息融合和WOA-CNN-LSTM的外脚手架隐患分类预警研究 被引量:9
2
作者 赵江平 张雪莹 侯刚 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期933-942,共10页
面对施工现场外脚手架隐患信息的多样性,传统的基于传感器监测的单一信号预警研究存在容错力不佳、含有信息有限等问题。针对施工现场外脚手架“图像+监测”数据,提出一种基于数据层和特征层信息融合的脚手架隐患分类预警方法。首先,利... 面对施工现场外脚手架隐患信息的多样性,传统的基于传感器监测的单一信号预警研究存在容错力不佳、含有信息有限等问题。针对施工现场外脚手架“图像+监测”数据,提出一种基于数据层和特征层信息融合的脚手架隐患分类预警方法。首先,利用Revit三维建模软件建立外脚手架实体模型,对不同初始隐患下的外脚手架进行有限元分析,划分隐患预警等级;其次,利用无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)及卷积长短时记忆网络(Convolutional Neural Network-Long Short Term Memory Network,CNN-LSTM)实现脚手架同类信息数据层融合及异类信息特征层融合;最后,通过实时收集西安市某在建项目落地式双排扣件式钢管脚手架隐患信息,对其进行分类预警,并使用鲸鱼优化算法(Whale Optimization Algorithm,WOA)对CNN-LSTM网络进行参数优化,发现隐藏节点个数为30、学习率为0.0072、正则化系数为1×10^(-4)时分类效果最佳,优化后预警精度达到了91.4526%。通过可视化WOA-CNN-LSTM、CNN-LSTM、CNN-SVM(Support Vector Machine,支持向量机)及CNN-GRU(Gate Recurrent Unit,门控循环单元)分类预警结果,证实了优化后的CNN-LSTM网络在脚手架分类预警方面的优越性。 展开更多
关键词 安全工程 多源信息融合 鲸鱼优化算法 卷积长短时记忆网络 可视化
原文传递
数据驱动式翻身意图识别在助力床中的应用
3
作者 李瑛 张靖宇 +2 位作者 兰青迪 魏宝宏 李金辉 《天津职业技术师范大学学报》 2025年第3期35-41,共7页
针对长期瘫痪患者难以自主翻身的问题,设计了一款助力床。助力床系统包括卧姿数据采集、翻身意图模型预测和助力床翻身动作控制3部分。系统通过人体卧姿分析选取适宜的分布式压力传感器以获取卧姿体压分布数据:基于卷积神经网络-长短期... 针对长期瘫痪患者难以自主翻身的问题,设计了一款助力床。助力床系统包括卧姿数据采集、翻身意图模型预测和助力床翻身动作控制3部分。系统通过人体卧姿分析选取适宜的分布式压力传感器以获取卧姿体压分布数据:基于卷积神经网络-长短期记忆网络(CNN-LSTM)建立翻身意图识别模型。为提升模型对人体翻身意图的识别精度与稳定性,引入鲸鱼优化算法(WOA);基于STM32系统、电机驱动器和九轴数字倾角仪搭建闭环控制系统,实现助力床对使用者精准翻身辅助。邀请被试进行助力翻身实验,对翻身过程中体压时序数据进行模型识别。实验结果表明:翻身意图识别模型预测准确率达到98.94%;以卧姿分类后体压时序累积数据为依据进行助力床翻身控制,可及时更换卧姿以减轻局部压力,改善长期瘫痪患者血液循环,防止压疮。 展开更多
关键词 助力床 翻身意图识别 卧姿体压分布 WOA CNN-LSTM
在线阅读 下载PDF
压延车间能源信息采集关键技术研究与系统实现 被引量:1
4
作者 聂鑫鹏 袁逸萍 +1 位作者 祁雷 朱广贺 《现代制造工程》 CSCD 北大核心 2024年第6期75-81,共7页
结合铝箔压延车间的工艺流程以及能耗数据特点,提出了一套基于物联网的压延车间能源信息采集系统。针对采集过程中遇到的能耗数据缺失问题,设计了一套缺失数据处理流程,其中利用到了WOA-CNN-LSTM混合神经网络算法来插补缺失数据。系统... 结合铝箔压延车间的工艺流程以及能耗数据特点,提出了一套基于物联网的压延车间能源信息采集系统。针对采集过程中遇到的能耗数据缺失问题,设计了一套缺失数据处理流程,其中利用到了WOA-CNN-LSTM混合神经网络算法来插补缺失数据。系统的开发采用了MQTT协议、JAVA语言及SpringBoot框架等技术。实现了对生产流程的能源信息采集、统计与监管,改善了压延车间能源信息采集过程中的数据缺失问题,提高了数据准确度。 展开更多
关键词 压延车间 能源信息采集 缺失数据 鲸鱼优化算法 卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于鲸鱼优化混合神经网络的滑坡位移预测 被引量:2
5
作者 罗超雷 徐哈宁 +3 位作者 肖慧 范凌峰 胡佳超 游丝露 《科学技术与工程》 北大核心 2024年第16期6610-6616,共7页
针对静态机器学习模型难以有效反映滑坡的动态演化特性,且存在时序过长时历史数据遗忘导致位移预测结果不稳定的问题。提出一种基于鲸鱼优化卷积神经网络(convolutional neural networks, CNN)和双向门控循环神经网络(bidirectional gat... 针对静态机器学习模型难以有效反映滑坡的动态演化特性,且存在时序过长时历史数据遗忘导致位移预测结果不稳定的问题。提出一种基于鲸鱼优化卷积神经网络(convolutional neural networks, CNN)和双向门控循环神经网络(bidirectional gated recurrent neural network, BiGRU)的滑坡位移动态预测方法。首先对滑坡影响因子进行特征筛选,构建数据集,建立CNN-BiGRU网络模型,使用鲸鱼优化算法(whale optimization algorithm, WOA)对模型进行超参数寻优,使用CNN网络模型从滑坡数据中提取潜在的特征向量,将特征向量以时间序列的形式输入BiGRU模型中,利用其处理时间序列数据的优势,完成滑坡位移预测。结果表明:所提出模型得到的滑坡位移预测精度较高,与未优化的CNN-BiGRU相比均方根误差(root mean square error, RMSE)下降了0.030 5 mm。 展开更多
关键词 滑坡位移预测 鲸鱼优化算法(WOA) 卷积神经网络(CNN) 双向门控循环神经网络(BiGRU)
在线阅读 下载PDF
基于改进鲸鱼算法优化GRU-CNN的溶解氧预测 被引量:4
6
作者 胡龙元 刘黎志 《环境工程学报》 CAS CSCD 北大核心 2024年第10期2957-2964,共8页
为了提高相关模型在长江调关水质断面的溶解氧预测精度,基于门控循环单元(gated recurrent unit,GRU),卷积神经网络(convolutional neural networks,CNN)和鲸鱼优化算法(whale optimization algorithm,WOA)提出了一种混合预测方法。模... 为了提高相关模型在长江调关水质断面的溶解氧预测精度,基于门控循环单元(gated recurrent unit,GRU),卷积神经网络(convolutional neural networks,CNN)和鲸鱼优化算法(whale optimization algorithm,WOA)提出了一种混合预测方法。模型通过GRU提取水质数据的长期历史特征,通过CNN对GRU的输出和输入进行卷积提取短期特征,将两者进行算术拼接得到最终预测结果。通过将Tent混沌映射、自适应惯性权重和遗传算法(genetic algorithm,GA)引入WOA算法,解决WOA算法初始化种群质量较低,易早熟和对参数设置敏感的问题之后,再使用改进鲸鱼算法(IWOA)对模型进行参数寻优。实验结果表明,所提出的改进鲸鱼算法优化GRU-CNN(IWOA-GRUC+)模型具有出色的效果,其MAPE仅为2.27%,在RMSE、MAE和R2这几项指标上,分别达到了0.339%、0.216%和0.913%的优良表现。IWOA-GRUC+模型一定程度上提高了传统模型在溶解氧(DO)预测中的性能。 展开更多
关键词 溶解氧预测 门控循环单元 卷积神经网络 鲸鱼优化算法 遗传算法
原文传递
Wearable interactive system with uncoded gesture recognition logic enabled by deep learning
7
作者 Liangjie Liu Lingxiao Li +7 位作者 Yibin Lin Wandi Chen Shuchen Weng Lei Sun Xiongtu Zhou Tailiang Guo Chaoxing Wu Yongai Zhang 《Science China Materials》 2026年第1期504-512,共9页
ABSTRACT Gesture interaction has emerged as a highly effective interface for intelligent human-computer interaction,attributed to its intuitive interaction modality and multidimensional control capabilities.However,tr... ABSTRACT Gesture interaction has emerged as a highly effective interface for intelligent human-computer interaction,attributed to its intuitive interaction modality and multidimensional control capabilities.However,traditional gesture interaction devices often depend on predefined encoding rules,which substantially limit interaction efficiency and degrade user experience.This study introduces an innovative intelligent finger ring interaction system based on a triboelectric nanogenerator utilizing PDMS/SrTiO_(3) composite thin film(PS-TENG).The system maps freehand writing gestures directly to textual information input,thereby eliminating the need for complex gesture encoding schemes and offering a user-friendly,low-learning-curve input method.By integrating a deep learning model,the system achieves recognition accuracies of 98.21%for English letters,96.87%for Arabic numerals,and 96.44%for Chinese characters.Furthermore,it supports secure and encrypted data transmission and enables wireless interaction for gaming control.These findings indicate that the intelligent finger ring interaction system possesses significant potential for practical applications in information input and wireless control. 展开更多
关键词 gesture recognition triboelectric nanogenerator information input wireless control woa-cnn
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部