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196篇文章
< 1 2 … 10 >
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CNN-LSTM-CMA-GRU的多尺度中期负荷预测方法
1
作者 曹雯 范冰 +3 位作者 徐铭铭 景力涛 李德军 汤文俊 《电力需求侧管理》 2026年第2期57-63,共7页
精准的中期电力负荷预测对电力调度与资源优化至关重要。基于电力调度对日级负荷极值管理的实际需求,以日最大/最小负荷为预测粒度研究中期负荷预测。针对传统方法在长时间预测中因历史负荷和多维外部变量的耦合关系衰减导致的误差累积... 精准的中期电力负荷预测对电力调度与资源优化至关重要。基于电力调度对日级负荷极值管理的实际需求,以日最大/最小负荷为预测粒度研究中期负荷预测。针对传统方法在长时间预测中因历史负荷和多维外部变量的耦合关系衰减导致的误差累积问题,提出一种融合交叉多头注意力机制(CMA)的深度神经网络时序预测方法。该模型采用三重创新设计:首先,双支卷积神经网络(CNN)-长短期记忆网络(LSTM)分别提取负荷序列的局部形态特征和外部变量的时序关联;其次,交叉多头注意力层建立历史负荷与未来时段外部变量的动态权重映射;最后,通过门控循环单元(GRU)实现多尺度特征的自适应融合。实验结果表明,该模型在中期电力负荷预测任务中表现出较高的准确性和鲁棒性。 展开更多
关键词 中期负荷预测 交叉多头注意力 多时间尺度 CNN-lstm 深度神经网络
在线阅读 下载PDF
基于LSTM-GRU神经网络的煤矿区开采沉陷预测
2
作者 马吉强 张爱华 +1 位作者 吴仪 杨旭 《陕西煤炭》 2026年第4期1-6,12,共7页
【目的及方法】大面积矿产开发造成了区域环境和资源破坏,岩土体位置和形态改变,从而引发地面沉降、塌陷等地质灾害,严重影响了矿区经济社会发展与生态环境修复,且严重威胁人民群众的生命财产安全。随着人工智能技术的不断发展,人工神... 【目的及方法】大面积矿产开发造成了区域环境和资源破坏,岩土体位置和形态改变,从而引发地面沉降、塌陷等地质灾害,严重影响了矿区经济社会发展与生态环境修复,且严重威胁人民群众的生命财产安全。随着人工智能技术的不断发展,人工神经网络在矿区开采沉陷预测研究领域应用逐渐广泛,故提出基于LSTM(Long Short-Term Memory,长短期记忆网络)与GRU(Gated Recurrent Unit,门控循环单元)神经网络的矿区开采沉陷预测方法。以某矿工作面的监测数据为例,建立LSTM、GRU及其组合(SUM)的时间序列预测模型,以实现矿区开采引起的地表下沉值和水平变形值预测。【结果及结论】LSTM、GRU及SUM预测结果表明,总体上,对于地表下沉值预测,LSTM、SUM优于GRU,LSTM最优,其均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(MAPE,Mean Absolute Percentage Error)分别为14 mm、1.5%;对于地表水平移动值预测,LSTM、SUM优于GRU,LSTM最优,其RMSE、MAPE分别为25 mm、6.9%;对于单次预测,精度的稳定性由高到低分别为SUM、LSTM、GRU,RMSE、MAPE的最大值与最小值均为GRU。 展开更多
关键词 开采沉陷 lstm神经网络 GRU神经网络 变形预测 深度学习
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GWO-LSTM的边坡多因素变形预测
4
作者 于良 胡庆 《山西建筑》 2026年第6期90-94,共5页
针对深基坑变形预测的复杂性,为解决传统模型难以精确刻画多因素耦合影响的非线性动力系统的问题,文中从超参数自动优化方面,提出了融合灰狼优化算法(GWO)与长短期记忆神经网络(LSTM)的智能预测模型(GWO-LSTM)。进行了利用GWO全局搜索... 针对深基坑变形预测的复杂性,为解决传统模型难以精确刻画多因素耦合影响的非线性动力系统的问题,文中从超参数自动优化方面,提出了融合灰狼优化算法(GWO)与长短期记忆神经网络(LSTM)的智能预测模型(GWO-LSTM)。进行了利用GWO全局搜索能力优化LSTM超参数的研究,并以北京积水潭医院回龙观院区基坑工程为案例进行验证。结果表明,GWO在10次迭代内快速收敛,均方根误差降至0.002 5,达到了最小化预测误差的效果,解决了人工调参效率低和泛化能力不足的问题。GWO-LSTM预测值较单一LSTM更贴近真实值,在多指标上全面优于对比模型,证实了GWO-LSTM能显著提升预测精度与鲁棒性。 展开更多
关键词 深基坑变形预测 长短期记忆神经网络 灰狼优化算法 超参数优化
在线阅读 下载PDF
基于TCN-LSTM模型的深基坑变形预测研究
5
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Bi-LSTM的10MW漂浮式风电平台运动预测
6
作者 张险峰 尹佳晴 +3 位作者 马璐 秦明 雷肖 杨阳 《太阳能学报》 北大核心 2026年第1期701-708,共8页
基于双向长短期记忆神经网络(Bi-LSTM)建立针对于10MW漂浮式海上风电平台在波浪作用下的平台运动响应预测模型,通过仿真计算得到大量波浪时间序列信息以及运动响应数据,针对这些数据进行参数敏感性分析,训练后优化参数以确定最优的Bi-L... 基于双向长短期记忆神经网络(Bi-LSTM)建立针对于10MW漂浮式海上风电平台在波浪作用下的平台运动响应预测模型,通过仿真计算得到大量波浪时间序列信息以及运动响应数据,针对这些数据进行参数敏感性分析,训练后优化参数以确定最优的Bi-LSTM神经网络结构。结果表明,通过考虑不同波高和谱峰频率的波浪条件,验证了Bi-LSTM神经网络方法的可行性。所建立的Bi-LSTM模型对预测输入数据1/3时长的漂浮式海上风电平台在波浪作用下的运动具有较高的准确率,纵荡、垂荡和纵摇的预报精度高达95%,因此所提方法具有较强的平台运动预测能力。 展开更多
关键词 漂浮式风电平台 深度学习 Bi-lstm 运动预测 申请网络 波浪载荷
原文传递
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
7
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GNN-LSTM融合模型的智慧公寓能耗预测与管理研究
8
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Transformer-LSTM混合神经网络的迫弹外弹道及落点预测方法 被引量：1
9
作者 杨守怀 黄江流 +4 位作者 陈志华 黄振贵 吴明雨 邱荣贤 郑纯 《兵工学报》 北大核心 2025年第11期181-191,共11页
针对现代战场对迫弹类目标外弹道轨迹及落点的快速精准预测需求,提出基于Transformer-长短期记忆(Transformer-Long Short-Term Memory,Transformer-LSTM)混合神经网络的迫弹外弹道预测方法。利用Transformer网络提取T~T+K时刻迫弹速度... 针对现代战场对迫弹类目标外弹道轨迹及落点的快速精准预测需求,提出基于Transformer-长短期记忆(Transformer-Long Short-Term Memory,Transformer-LSTM)混合神经网络的迫弹外弹道预测方法。利用Transformer网络提取T~T+K时刻迫弹速度与三维坐标的内在联合特征,LSTM网络将该时间序列特征作为输入,映射出T+K+1时刻的三维坐标信息。为优化网络模型,研究并分析不同滑动窗口步长对外弹道预测模型收敛性能的影响。将所提混合网络与门控循环神经网络、Transformer-LSTM分别进行单步、多步和落点预测的对比分析。实验结果表明:新的混合网络对外弹道三维坐标的预测精度分别可达99.78%、99.72%、99.81%,均优于其他2个网络;新的混合网络的外弹道单步预测耗时仅为1.2 ms,大幅度提升了预测精度与效率。新方法可实现精确且快速的外弹道及落点预测,为迫弹拦截任务提供更多的响应时间。 展开更多
关键词 外弹道预测 深度学习 Transformer-lstm混合神经网络 滑动窗口
在线阅读 下载PDF
基于VMD-LSTM对大地电磁信号进行噪声检测和预测重构 被引量：2
10
作者 李博 李长伟 +2 位作者 罗润林 吕玉增 王占 《物探与化探》 2025年第1期100-117,共18页
在大地电磁法中,强干扰噪声限制了该方法还原真实地下结构的精度,会对后期资料解释造成不良影响。本文基于大地电磁时间序列的特点,对不同类型噪声的特征进行分析,提出了一种基于VMD(变分模态分解)与LSTM(长短时记循环神经网络)预测重... 在大地电磁法中,强干扰噪声限制了该方法还原真实地下结构的精度,会对后期资料解释造成不良影响。本文基于大地电磁时间序列的特点,对不同类型噪声的特征进行分析,提出了一种基于VMD(变分模态分解)与LSTM(长短时记循环神经网络)预测重构的信号去噪技术。首先通过VMD信号分解算法对原始大地电磁数据进行去基线漂移处理,对处理好的时间序列继续通过VMD分解为多个不同的模态IMFs,选用含噪声轮廓信息的RSE分量中无干扰数据训练LSTM时间序列检测模型,对RSE分量进行识别并标记含噪时间段,计算噪声的步长,将噪声信息传递给原始信号并截断删除。最后通过对IMFs训练LSTM多维预测模型,对空缺的位置预测不同模态下的信号,将所有模态输出结果叠加可得大地电磁预测信号,重构信号后针对VMD方法识别度不高的尖脉冲噪声进行二次信噪分离即完成去噪。通过该技术可精确识别大地电磁信号中的强干扰噪声,只针对噪声发生时间段进行处理,有效保护了信号中无干扰数据,且预测数据误差可控制在大地电磁信号数据处理的误差允许范围内,去噪效果显著。 展开更多
关键词 大地电磁 变分模态分解VMD 长短时循环神经网络lstm 深度学习 信号去噪
在线阅读 下载PDF
基于LSTM神经网络的隧道衬砌病害识别方法研究
11
作者 谢豪 王靖宇 《地球物理学进展》 北大核心 2025年第5期2227-2236,共10页
随着我国隧道交通事业的快速发展,隧道日常养护的工作量急剧增加.利用探地雷达检测隧道衬砌病害因其经济、高效且无损等特点逐渐成为主流的方法,但从采集的海量雷达数据中准确的解释与识别病害特征更多的依赖人的经验,具有较强的主观性... 随着我国隧道交通事业的快速发展,隧道日常养护的工作量急剧增加.利用探地雷达检测隧道衬砌病害因其经济、高效且无损等特点逐渐成为主流的方法,但从采集的海量雷达数据中准确的解释与识别病害特征更多的依赖人的经验,具有较强的主观性.为了提高衬砌病害的检测效率与准确率,本文提出了一种基于LSTM神经网络的隧道衬砌病害识别方法.该方法综合考虑了LSTM神经网络在图像识别领域的优势及隧道中探地雷达反射信号的特征,首次将LSTM神经网络应用在隧道衬砌病害检测与识别中.首先,利用FDTD数值模拟获得不同隧道病害模型对应的雷达波反射信号,分析出不同病害对应的反射特征.其次,通过改变病害的类型、厚度、埋深以及增加噪声等手段构建数据集,并进行随机拆分构建训练集、测试集与验证集.再次,基于LSTM搭建神经网络并优选出网络模型参数与网络结构,通过对比发现3层Bi-LSTM网络模型具有较高的准确率和较稳定的训练过程.最后,通过验证集数据对神经网络进行验证,并利用准确率、精确率及召回率三个指标评价验证结果.研究结果表明,基于LSTM神经网络的隧道衬砌病害识别方法能够快速、准确地识别渗水与空洞两种病害.本研究为今后隧道衬砌病害智能化识别方法的普及与发展提供了新的思路,也为LSTM神经网络的方法拓宽了应用领域. 展开更多
关键词 深度学习 lstm神经网络 探地雷达 有限时域差分 智能识别
原文传递
基于改进LSTM的多时隙工业时序数据预测方法研究 被引量：4
12
作者 周红福 孙凯文 《自动化仪表》 2025年第4期86-91,共6页
在工业生产中,常常存在对仪器仪表数据进行趋势预测的需求。对长短期记忆(LSTM)神经网络作出改进,提出一种多时隙工业时序数据预测方法。首先,对输入端作出改进,使得模型能够预测多个采样周期后的数值。其次,对模型单元作出优化,提高了... 在工业生产中,常常存在对仪器仪表数据进行趋势预测的需求。对长短期记忆(LSTM)神经网络作出改进,提出一种多时隙工业时序数据预测方法。首先,对输入端作出改进,使得模型能够预测多个采样周期后的数值。其次,对模型单元作出优化,提高了模型对数值的拟合能力。再次,设计了一种新颖的数据清洗算法,提升了数据获取的稳定性。最后,使用污水厂的多组真实流量数据,对该方法进行验证。验证结果表明,该方法克服了原始LSTM预测方法的缺陷,创新地完成了多时隙数据预测的任务,实现了对24 h后数据的精准预测;相比对照组方法,该方法在数据曲线图像跟随趋势与数学统计指标方面均有提升。该方法能够实际助力污水厂的资源计划和调配。 展开更多
关键词 长短期记忆神经网络 深度学习 趋势预测 工业时序数据 滑动窗口 数据清洗
在线阅读 下载PDF
基于LSTM-GNN组合模型的电动汽车短期充电负荷预测
13
作者 刘奕舟 李振华 +3 位作者 魏伟 李振兴 徐艳春 张磊 《电源学报》 北大核心 2025年第8期145-156,共12页
在新能源时代背景下,针对电动汽车充电负荷对电网的影响这一热点问题,提出1种基于长短期记忆法-图神经网络LSTM-GNN(long short-term memory network and graph neural network)组合模型的电动汽车短期充电负荷预测方法,以解决现有模型... 在新能源时代背景下,针对电动汽车充电负荷对电网的影响这一热点问题,提出1种基于长短期记忆法-图神经网络LSTM-GNN(long short-term memory network and graph neural network)组合模型的电动汽车短期充电负荷预测方法,以解决现有模型的不足。首先,运用科普拉(Copula)理论对3种典型日负荷进行相关性分析,构建包含主要因素与充电站历史负荷的特征输入矩阵,并建立滑动窗口数据集。然后,利用LSTM与GNN对特征输入矩阵进行特征提取和图数据构建,图神经网络层完成特征聚合并输出预测负荷值及误差评价指标。算例结果表明,该模型在不同区域充电站能有效提取充电负荷关键特征,相较传统模型具有更好的预测效果和泛化能力。 展开更多
关键词 负荷预测 深度学习 图神经网络 长短期记忆 电动汽车 充电负荷
在线阅读 下载PDF
基于全整型量化与多LSTM的Android恶意软件检测
14
作者 李红娇 吴佳蓓 顾凡 《计算机工程与设计》 北大核心 2025年第8期2280-2288,共9页
考虑到在Android终端部署恶意软件检测模型提升性能的同时需要保持准确度,提出一种基于全整型量化与多LSTM的Android恶意软件检测方法。全整型量化通过限制多LSTM网络每层的参数位宽,所有参数将以16位整型的数据类型参与运算,从而缩短... 考虑到在Android终端部署恶意软件检测模型提升性能的同时需要保持准确度,提出一种基于全整型量化与多LSTM的Android恶意软件检测方法。全整型量化通过限制多LSTM网络每层的参数位宽,所有参数将以16位整型的数据类型参与运算,从而缩短检测速度,这些参数也以16位整型存储在存储器中,减少模型内存占用。此外,多LSTM初始网络将对不同语义特征产生不同的权重值,增加语义分布信息,决策网络综合这些权重值进行恶意软件分类,获得较高的准确度。实验结果表明,经过全整型量化后多LSTM检测模型大小缩小到量化前的1/4,检测时间减少约43.9%。与单LSTM相比,基于多LSTM的检测准确度提升了6.7%。 展开更多
关键词 Android恶意软件 Android恶意软件检测 检测与分类 深度学习 神经网络 lstm 量化
在线阅读 下载PDF
基于LSTM神经网络的风电功率预测方法研究
15
作者 王文欣 刘霁萱 《现代工业经济和信息化》 2025年第5期193-194,264,共3页
在风电领域,准确预测风电功率意义重大。为此,提出了一种基于长短期记忆神经网络的风电功率预测方法,并构建了相应的预测模型。为检验该方法的有效性,利用公开数据集展开深入分析与验证。在整个过程中,严格遵循科学的评估流程,确保每一... 在风电领域,准确预测风电功率意义重大。为此,提出了一种基于长短期记忆神经网络的风电功率预测方法,并构建了相应的预测模型。为检验该方法的有效性,利用公开数据集展开深入分析与验证。在整个过程中,严格遵循科学的评估流程,确保每一个数据都能准确反映模型的性能。同时经过大量的测试与对比,结果清晰地表明,这种基于长短期记忆神经网络的预测方法拥有良好的预测精度。它能够有效捕捉风电功率变化的特征和趋势,为风电功率预测提供可靠依据。 展开更多
关键词 风电功率预测 lstm神经网络 深度学习
在线阅读 下载PDF
基于LSTM的锂离子电池健康状态估计方法
16
作者 孙腾 钟昂 《电气应用》 2025年第11期63-72,共10页
在新能源产业蓬勃发展的背景下,锂离子电池作为电动汽车和储能设备的核心动力单元,其性能退化程度的精准监测已成为保障能源系统安全运行的关键技术挑战。构建高精度的电池健康状态(SOH)评估体系,不仅能够优化能源管理效率、延缓电池老... 在新能源产业蓬勃发展的背景下,锂离子电池作为电动汽车和储能设备的核心动力单元,其性能退化程度的精准监测已成为保障能源系统安全运行的关键技术挑战。构建高精度的电池健康状态(SOH)评估体系,不仅能够优化能源管理效率、延缓电池老化进程,还能显著削减运维开支,从而抑制资源损耗与生态污染。特别是在双碳战略推进过程中,该技术对实现动力电池全生命周期价值挖掘具有重要工程意义。传统方法构建锂离子电池的SOH估计模型存在化学模型偏微分表达式复杂、计算量大,等效电路模型参数识别对测量环境要求苛刻及应用场景受限等问题。应用长短期记忆(LSTM)网络构建高精度SOH评估模型,精准评估锂离子电池健康状态,通过算法学习电池使用历史数据信息,并且无须了解电池内部化学反应老化机理和复杂数学模型表达式的具体含义,即可对全寿命周期SOH进行估计,并验证设计算法的仿真性能。 展开更多
关键词 锂离子电池 健康状态估计 长短期记忆神经网络 深度学习
原文传递
基于改进LSTM的火电厂负荷预测方法研究
17
作者 陈琨 《科技创新与应用》 2025年第26期139-142,共4页
供热负荷预测是指导供热运行管理和调度的前提。供热负荷预测是一个时间序列预测问题,要求利用可用的历史记录和天气信息,预测未来24 h的实时供热负荷。该文提出一种基于精心设计的串联长短期记忆(LSTM)递归神经网络的短期供热负荷预测... 供热负荷预测是指导供热运行管理和调度的前提。供热负荷预测是一个时间序列预测问题,要求利用可用的历史记录和天气信息,预测未来24 h的实时供热负荷。该文提出一种基于精心设计的串联长短期记忆(LSTM)递归神经网络的短期供热负荷预测模型。展示数据预处理的过程,并设计损失函数以提高模型的性能。此外,还将集成策略与LSTM模型结合,以增强其泛化能力和鲁棒性。在离线(历史)测试数据上,所提出的模型能够进行令人满意的预测,满足本地电厂的需求。除离线测试外,还将该模型应用于山东省某电厂的在线系统。在2018年的供暖季节中,该模型在没有人工干预的情况下连续进行预测,持续4个月。该模型在在线测试中的表现与使用历史数据进行的离线实验结果相当,取得令人满意的测试效果。 展开更多
关键词 深度学习 负荷预测 递归神经网络 时间序列 lstm
在线阅读 下载PDF
基于ATT-FC-LSTM模型的远程会诊服务时长预测
18
作者 翟运开 贾启硕 +1 位作者 乔岩 赵杰 《管理学报》 北大核心 2025年第3期568-576,共9页
针对远程会诊服务时长异质性、动态性、随机性等特点,使用注意力机制与全连接层相结合的长短期记忆神经网络算法来预测远程会诊服务时长,利用回归预测和分类预测两种方法评估算法预测性能。该模型堆叠了一个注意力层、3个全连接层和两... 针对远程会诊服务时长异质性、动态性、随机性等特点,使用注意力机制与全连接层相结合的长短期记忆神经网络算法来预测远程会诊服务时长,利用回归预测和分类预测两种方法评估算法预测性能。该模型堆叠了一个注意力层、3个全连接层和两层长短期记忆神经网络,以实现对输入数据的选择性关注和更高级别的特征表示,从而提高模型的性能和表示能力。与4种流行的机器学习算法相比,该设计模型在分类预测中的多个预测性能评价指标上均表现更优,并在此基础上计算得出对远程会诊服务时长影响程度最大的4个变量,依次为会诊专家、会诊科室、专家是否迟到和专家职称。 展开更多
关键词 深度学习 远程会诊服务时长 长短期记忆神经网络 注意力机制 分类预测
在线阅读 下载PDF
融合5G和LSTM-CNN的智能电表数据异常检测方法
19
作者 文琴 《通信电源技术》 2025年第16期86-88,共3页
电能计量数据的准确性和可靠性对电力系统安全稳定运行至关重要。传统智能电表数据异常检测方法主要依赖人工抄表和静态阈值判别,存在效率低下、实时性差、适应性不足等问题,难以满足海量电表数据实时监测需求。为解决这些问题,提出融... 电能计量数据的准确性和可靠性对电力系统安全稳定运行至关重要。传统智能电表数据异常检测方法主要依赖人工抄表和静态阈值判别,存在效率低下、实时性差、适应性不足等问题,难以满足海量电表数据实时监测需求。为解决这些问题,提出融合5G和长短期记忆(Long Short-Term Memory,LSTM)、卷积神经网络(Convolutional Neural Network,CNN)的智能电表数据异常检测方法。相较于传统方法,所提方法在准确性和实时性方面均有显著提升,为智能电网数据监测提供了高效可靠的解决方法。 展开更多
关键词 5G 智能电表 异常检测 深度学习 长短期记忆(lstm) 卷积神经网络(CNN)
在线阅读 下载PDF
基于GCN与LSTM的多频段复杂频谱动态预测
20
作者 汪生 张树森 +2 位作者 杨健 邢伟宁 许鲁彦 《太赫兹科学与电子信息学报》 2025年第10期1045-1050,1059,共7页
随着频谱资源短缺日益严重,基于频谱预测的频谱动态接入技术得到了广泛关注。由于频谱监测数据具有高突发性和复杂的内在关联特性,对多通道频谱的高精确度预测提出了挑战。本文提出一种基于图卷积网络(GCN)和长短期记忆网络(LSTM)的多... 随着频谱资源短缺日益严重,基于频谱预测的频谱动态接入技术得到了广泛关注。由于频谱监测数据具有高突发性和复杂的内在关联特性,对多通道频谱的高精确度预测提出了挑战。本文提出一种基于图卷积网络(GCN)和长短期记忆网络(LSTM)的多频段复杂频谱动态预测方法:首先,利用GCN模型对频谱数据进行特征提取和空间关系建立,捕捉并表述频谱数据中的复杂结构和关联信息;然后,通过LSTM模型有效学习并预测频谱数据的时间动态变化,克服传统预测方法无法处理长时间序列的问题;最后,在真实频谱数据上进行实验验证。实验结果表明本方法在预测精确度和稳定性方面较现有方法有明显提升。 展开更多
关键词 频谱预测 图神经网络(GCN) 长短期记忆网络(lstm) 深度学习
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 … 10 下一页 到第 页
使用帮助 返回顶部