期刊文献+
共找到50,570篇文章
< 1 2 250 >
每页显示 20 50 100
基于CNN-LSTM预测模型的云南黑山羊舍环境监控系统设计
1
作者 于尧 窦芊遇 +2 位作者 余礼根 李奇峰 张俊 《河北农业大学学报》 北大核心 2026年第1期94-102,共9页
本研究利用卷积神经网络(CNN)与长短期记忆网络(LSTM)构建预测模型,对云南黑山羊舍环境进行精准预测,并基于此优化羊舍环境控制系统设计。通过调整通风系统、加热与降温设备以及光照设备的参数和运行策略,实现了对羊舍环境的精准调控。... 本研究利用卷积神经网络(CNN)与长短期记忆网络(LSTM)构建预测模型,对云南黑山羊舍环境进行精准预测,并基于此优化羊舍环境控制系统设计。通过调整通风系统、加热与降温设备以及光照设备的参数和运行策略,实现了对羊舍环境的精准调控。优化后的控制系统能够根据不同的预测结果,自动调整环境参数,以创造更适宜云南黑山羊生长的环境条件。实验结果表明,基于CNN-LSTM预测模型的云南黑山羊舍环境控制优化设计显著提高了羊舍环境的稳定性、舒适性和可控性。这不仅有助于提升云南黑山羊的生长效率、健康状况和生产性能,还有助于减少能源消耗和养殖成本。本研究不仅为云南黑山羊的养殖管理提供了智能化、精准化的环境控制方案,也为其他类似动物养殖环境的优化控制提供了有益的参考和借鉴。 展开更多
关键词 cnn-lstm预测模型 云南黑山羊 羊舍环境控制 优化设计 精准调控
在线阅读 下载PDF
物理特征扩展的ASReLU-CNN-LSTM短期光伏功率预测研究
2
作者 刘伟 李洋洋 《电力系统保护与控制》 北大核心 2026年第2期58-69,共12页
为提高光伏发电系统在复杂多变气象条件下输出功率预测的精确性和稳定性,基于物理-数据融合的驱动策略,提出一种物理特征扩展的ASReLU-CNN-LSTM短期光伏功率预测方法。该方法首先通过改进太阳轨迹模型动态校正斜面辐照度,使其更准确地... 为提高光伏发电系统在复杂多变气象条件下输出功率预测的精确性和稳定性,基于物理-数据融合的驱动策略,提出一种物理特征扩展的ASReLU-CNN-LSTM短期光伏功率预测方法。该方法首先通过改进太阳轨迹模型动态校正斜面辐照度,使其更准确地反映组件实际受光强度,接着结合光电转换模型与小型前馈网络扩展数据集的相对功率特征。其次,构建自适应平滑修正线性单元(adaptively smooth rectifier linear unit,ASReLU),通过参数自适应平滑修正优化卷积神经网络(convolutional neural network,CNN)的负特征提取能力。最后,将物理特征扩展的数据集输入ASReLU-CNN-LSTM模型,实现光伏功率的预测。在两个不同气候区数据集上的实验结果表明,该预测方法具有较高的精确性和泛化能力。 展开更多
关键词 短期光伏功率预测 太阳轨迹模型 光电转换模型 自适应平滑修正线性单元 cnn-lstm模型
在线阅读 下载PDF
基于CNN-LSTM方法的液环泵非稳态流场预测分析
3
作者 张人会 唐玉 +1 位作者 郭广强 陈学炳 《农业机械学报》 北大核心 2026年第1期273-279,共7页
为实现对液环泵内非稳态气液两相流场的快速预测,提出了一种基于深度学习的非定常周期性流场预测方法,可以实现样本集之后未来一定时间段内流场的高精度快速预测。通过对液环泵非稳态CFD结果获取的各时间步上的流场快照建立流场数据集,... 为实现对液环泵内非稳态气液两相流场的快速预测,提出了一种基于深度学习的非定常周期性流场预测方法,可以实现样本集之后未来一定时间段内流场的高精度快速预测。通过对液环泵非稳态CFD结果获取的各时间步上的流场快照建立流场数据集,利用卷积神经网络(CNN)对流场快照进行特征提取,并结合长短期记忆神经网络(LSTM)构建时间序列神经网络预测模型,预测结果与CFD数值模拟结果进行对比,分析表明,CNN-LSTM模型能够实现对未来时刻非稳态流场的高精度预测;相态场、压力场、温度场的预测结果平均相对误差分别为1.37%、1.28%、1.78%;在利用LSTM预测壳体及进口压力脉动时,在样本集之后叶轮旋转360°时间上平均相对误差分别为1.61%、0.09%、0.20%。在样本空间外的预测集上,CNN-LSTM的预测性能优于本征正交分解(POD)方法,尽管在外延时间序列上的预测精度随时间增加逐渐下降,但在整个时间历程上保持了较好的预测精度,在预测内流场结果方面具有显著优势。 展开更多
关键词 液环泵 非稳态流场 卷积神经网络 长短期记忆神经网络
在线阅读 下载PDF
SBAS-InSAR与CNN-LSTM融合的石墨尾矿坝形变时空耦合分析与动态预警模型
4
作者 王跃 李如仁 毕升 《地震工程学报》 北大核心 2026年第2期285-296,共12页
石墨尾矿坝作为高势能堆积体,因石墨尾矿选矿工艺,使颗粒呈双峰结构分布,导致其内部受力情况及失稳机理复杂,滑坡风险高且难以预测。因此,通过短基线集干涉测量(SBAS-InSAR)技术反演石墨尾矿坝表面的时序形变特征,并结合监测数据构建卷... 石墨尾矿坝作为高势能堆积体,因石墨尾矿选矿工艺,使颗粒呈双峰结构分布,导致其内部受力情况及失稳机理复杂,滑坡风险高且难以预测。因此,通过短基线集干涉测量(SBAS-InSAR)技术反演石墨尾矿坝表面的时序形变特征,并结合监测数据构建卷积长短期记忆网络(CNN-LSTM)模型,以预测其形变趋势。首先,利用SBAS-InSAR技术处理2019年12月—2021年12月的60景SAR影像,获取研究区累计形变量和年均形变速率,通过对比现场GNSS同名监测点数据,并结合误差评价指标分析,验证InSAR监测精度;然后,分析降雨量与沉降量的关联特性,得出沉降量与降雨量呈周期性变化特征,揭示尾矿坝形变的内在机理;最后,构建CNN-LSTM模型,引入长短期记忆(LSTM)模型和双向循环神经网络(BiGRU)模型,通过误差指标及损失函数对训练及预测结果进行评价。结果表明:(1)尾矿坝顶部表现为沉降,坡顶点b沉降量为189.74 mm,由顶部外扩展,沉降量呈减小趋势,直至坡脚变为抬升,坡脚处点a、f抬升量分别为13.8 mm、26.8 mm;(2)SBAS-InSAR技术与全球导航卫星系统(GNSS)监测结果最大绝对误差4.67 mm,误差分布均匀,SBAS-InSAR技术对石墨尾矿形变监测满足精度要求;(3)降雨为尾矿坝形变主要影响因素,随石墨尾矿内含水量变化,形变呈周期波动特性;(4)对三种预测模型比较分析,可知CNN-LSTM模型损失函数训练集和测试集的曲线拟合度高,表明训练效果好,揭示了该模型预测石墨尾矿形变结果较优,6个特征点位预测误差指标显示,最大均方根误差小于2.06 mm,平均绝对误差小于1.60 mm,决定系数最大值0.89。因此,文章可为北方地区石墨尾矿灾害监测及预警提供技术支撑。 展开更多
关键词 Sentinel-1A SBAS-InSAR 石墨尾矿库 形变智能识别 cnn-lstm
在线阅读 下载PDF
综合负样本优化指数与CNN-LSTM-ATT模型的滑坡易发性评价
5
作者 曹琰波 移康军 +5 位作者 梁鑫 荆海宇 孙颢宸 张越轩 刘思缘 范文 《安全与环境工程》 北大核心 2026年第1期69-85,共17页
针对滑坡易发性建模过程中随机抽取的非滑坡样本不确定性高、机器学习模型预测精度有限的问题,提出一种基于负样本优化指数(negative sample optimization index,NSI)的非滑坡样本采样策略,并融合卷积神经网络(convolutional neural net... 针对滑坡易发性建模过程中随机抽取的非滑坡样本不确定性高、机器学习模型预测精度有限的问题,提出一种基于负样本优化指数(negative sample optimization index,NSI)的非滑坡样本采样策略,并融合卷积神经网络(convolutional neural network,CNN)、长短时记忆(long short-term memory,LSTM)网络和注意力机制(attention mechanism,ATT)构建CNN-LSTM-ATT深度神经网络开展易发性评价。以陕西省北部黄土高原地区的绥德县义合镇为例,首先,选取高程、坡度、地层岩性等14个孕灾因子建立评价指标体系;其次,引入Matthews相关系数为随机森林(random forest,RF)、逻辑回归(logistic regression,LR)和支持向量机(support vector machine,SVM)3种基模型分配权重,并计算NSI值;然后,基于NSI选取非滑坡样本,并与滑坡样本组成训练数据集;最后,利用CNNLSTM-ATT模型预测滑坡空间概率,通过SHAP值分析揭示各因子的重要程度。结果表明:NSI通过约束采样空间获得了质量更高的非滑坡样本,规避了因过度偏激的负样本所造成的预测误差,模型精度最大提升7%;相较于单一模型,集成多层复杂结构的CNN-LSTM-ATT模型具有更好的分类能力,预测精度达0.925;坡度、高程和距房屋距离是研究区易发性建模的关键因子。研究提出的采样策略和评价模型有助于提高滑坡灾害空间预测的精度。 展开更多
关键词 滑坡灾害 易发性 负样本优化指数(NSI) 卷积神经网络(CNN) 长短时记忆(LSTM)网络 注意力机制(ATT)
在线阅读 下载PDF
基于改进1DCNN-LSTM的防冲钻孔机器人钻进煤岩性状识别
6
作者 司垒 刘扬 +5 位作者 王忠宾 顾进恒 魏东 戴剑博 李鑫 赵杨奇 《矿业科学学报》 北大核心 2026年第1期206-217,共12页
防冲钻孔机器人是高地应力矿井卸压作业的关键装备,其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验,存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题,... 防冲钻孔机器人是高地应力矿井卸压作业的关键装备,其对钻进煤岩性状识别准确度直接影响钻孔卸压效率和卸压效果。本文针对当前煤岩钻进状态识别手段多依赖于人工经验,存在识别精度低、响应时间长、无法满足无人化钻孔卸压需求的问题,基于一维卷积神经网络(1DCNN)和长短时记忆网络(LSTM)并结合模拟实验提出了一种钻进过程煤岩性状识别方法。通过加入卷积块注意力机制(CBAM),提升模型识别准确率,并采用改进蜣螂优化(IDBO)算法对模型中超参数进行寻优,确定最优的网络参数组合。搭建煤岩钻进模拟试验台,制作6种典型煤岩试块,采集回转速度、回转扭矩、推进速度和推进压力等4类传感信号,开展相应的对比测试分析。结果表明:所提方法具有较高的钻进煤岩识别准确率,达到97.00%,明显优于1DCNN和1DCNN-LSTM,以及逻辑回归、支持向量机(SVM)、决策树、随机森林、K聚类、Transformer等方法。 展开更多
关键词 防冲钻孔机器人 钻进煤岩识别 一维卷积神经网络(1DCNN) 长短时记忆神经网络(LSTM) 改进蜣螂优化(IDWO)算法
在线阅读 下载PDF
基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估
7
作者 沈聪 艾芊 +3 位作者 李晓露 高扬 陶伟健 赵晨阳 《电力需求侧管理》 2026年第1期8-16,共9页
随着“双碳”目标提出,新能源装机容量增大,且用户用电负荷特性变化及负荷量增加,电网供需平衡压力日益严峻,为支撑电网运行平衡,充分挖掘行业用户负荷可调节潜力,提出了基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估... 随着“双碳”目标提出,新能源装机容量增大,且用户用电负荷特性变化及负荷量增加,电网供需平衡压力日益严峻,为支撑电网运行平衡,充分挖掘行业用户负荷可调节潜力,提出了基于MPA-CNN-LSTM融合模型与置信区间修正的行业用户负荷潜力评估策略。首先,在原有负荷特性基础上提出负荷削减特性表征同一行业不同用户负荷削减类别及方式作为MPA-CNNLSTM预测模型输入;其次,依据响应用户实际调节潜力基于MPA算法优化的CNN-LSTM神经网络进行训练并预测行业用户可调节潜力;最后,通过置信区间修正法修正行业用户可调节潜力,提高预测准确性。 展开更多
关键词 负荷削减特性 MPA算法优化 cnn-lstm 置信区间修正 潜力评估
在线阅读 下载PDF
基于CNN-LSTM的中小河流水位预报模型研究——以崩坎水红饶站为例
8
作者 刘玉 刘志伟 《广东水利水电》 2026年第2期54-63,共10页
为解决无流量资料地区的中小河流洪水水位预报问题,该文提出一种融合卷积神经网络(CNN)与长短期记忆网络(LSTM)的洪水预报模型,通过整合流域内降雨序列的时空分布特征与水位时序演变规律,找出降雨-水位的非线性映射关系,构建降雨-水位... 为解决无流量资料地区的中小河流洪水水位预报问题,该文提出一种融合卷积神经网络(CNN)与长短期记忆网络(LSTM)的洪水预报模型,通过整合流域内降雨序列的时空分布特征与水位时序演变规律,找出降雨-水位的非线性映射关系,构建降雨-水位洪水预报模型。以龙江支流崩坎水为研究区域进行实验,结果表明,该模型在无流量资料的情况下,短临水位预报能够取得较好的效果,在6 h预见期内保持较高的预测精度(确定性系数为0.82)。该研究为洪水水位预报工作提供了一种新的解决思路,能够进一步提高无资料地区水位预报的精度。 展开更多
关键词 cnn-lstm 时空特征融合 雨量-水位关系 中小河流 洪水预报
在线阅读 下载PDF
基于CNN-LSTM模型的高重频脉冲激光信号实时识别方法
9
作者 高士娟 陈伟 丁娟 《激光杂志》 北大核心 2026年第1期232-238,共7页
高重频脉冲激光信号发生信号强度波动现象,影响现信号识别效果,为此设计了基于CNN-LSTM模型的高重频脉冲激光信号实时识别方法。首先获取信号采样数据,并采用多帧积累算法提升信号信噪比,当信号强度发生波动时,CNN能够通过学习不同强度... 高重频脉冲激光信号发生信号强度波动现象,影响现信号识别效果,为此设计了基于CNN-LSTM模型的高重频脉冲激光信号实时识别方法。首先获取信号采样数据,并采用多帧积累算法提升信号信噪比,当信号强度发生波动时,CNN能够通过学习不同强度下的局部特征模式,对波动具有适应性。LSTM可以在信号特征空间发生变化时,根据记忆历史信息对新的信号进行合理的映射和分类,有效实现信号特征提取,最后通过阈值完成高重频脉冲激光信号的实时识别。实验结果表明,在噪声强度较高的情况下,该方法仍然能够稳定地识别出目标信号,误判率极低。在迭代次数为10次时,所提方法的帧率达到了45 fps。ROC曲线值为0.94,显著提升了信号识别准确性。 展开更多
关键词 cnn-lstm模型 高重频脉冲激光信号 组内方差 实时识别
原文传递
基于改进CNN-LSTM模型利用水下噪声估计海面风速
10
作者 刘雪枫 李琪 +2 位作者 唐锐 尚大晶 夏峙 《声学学报》 北大核心 2026年第1期287-297,共11页
提出一种将风成噪声特征与改进卷积神经网络-长短期记忆网络(CNN-LSTM)模型相结合估计海面风速的方法。首先,通过数据预处理计算噪声的能量谱级,以反映真实噪声强度变化;其次,利用能量谱级计算能量相关矩阵,找到风成噪声特征进行判断并... 提出一种将风成噪声特征与改进卷积神经网络-长短期记忆网络(CNN-LSTM)模型相结合估计海面风速的方法。首先,通过数据预处理计算噪声的能量谱级,以反映真实噪声强度变化;其次,利用能量谱级计算能量相关矩阵,找到风成噪声特征进行判断并作为特征向量输入;在此基础上,结合卷积神经网络获取特征以及长短期记忆网络学习时序信息的特点,建立了基于多特征的反演模型对风速进行估计。南海海上实验结果表明,所提模型风速估计的均方根误差小于0.3,与实际风速序列的相关系数高于0.97,吻合效果较好,各项评价指标均明显优于长短期记忆网络模型。 展开更多
关键词 海洋环境噪声 卷积神经网络 长短期记忆网格 风速估计
原文传递
基于CNN-LSTM的电力物联网边缘设备智能响应与数据管控模型
11
作者 马振华 徐涛 刘宏岭 《宁夏电力》 2026年第1期53-61,共9页
智能电网和可再生能源的快速发展,使电力物联网(Internet of Things, IoT)在边缘设备接入、数据处理与平台管控方面面临挑战。负荷预测作为关键技术,直接影响系统调度与运行效率。本文提出一种卷积神经网络(convolutional neural networ... 智能电网和可再生能源的快速发展,使电力物联网(Internet of Things, IoT)在边缘设备接入、数据处理与平台管控方面面临挑战。负荷预测作为关键技术,直接影响系统调度与运行效率。本文提出一种卷积神经网络(convolutional neural network, CNN)与长短期记忆网络(long short-term memory network, LSTM)融合的混合模型,用于预测边缘终端电力负荷。该模型结合CNN的局部特征提取能力与LSTM的时序依赖建模优势,在公开电力消耗数据集上的实验结果显示,其预测精度优于多层感知机(multi-layer perceptron, MLP)、CNN和LSTM单一模型,在均方误差(mean squared error, MSE)和平均绝对误差(mean absolute error, MAE)指标上均取得最佳表现。进一步分析表明,温度、湿度及时间特征对负荷变化具有显著影响。研究成果为优化边缘节点接入策略、提升资源配置效率及支撑数据驱动的管控决策提供了有效依据,并具备推广至更广泛物联网智能分析场景的潜力。 展开更多
关键词 电力物联网 边缘设备 cnn-lstm 电力负荷预测
在线阅读 下载PDF
基于CNN-LSTM网络模型的课程群成绩预测模型研究——以“机器人编程及应用”课程成绩预测为例
12
作者 姚畅 张勇 +2 位作者 杨媛媛 费正顺 侯北平 《浙江科技大学学报》 2026年第1期54-64,共11页
【目的】为了有效预测学生在机器人工程课程群中“机器人编程与应用”课程期末成绩的通过情况,提出了将卷积神经网络(convolutional neural network,CNN)和长短期记忆(long short-term memory,LSTM)网络相结合的深度学习二元预测模型。... 【目的】为了有效预测学生在机器人工程课程群中“机器人编程与应用”课程期末成绩的通过情况,提出了将卷积神经网络(convolutional neural network,CNN)和长短期记忆(long short-term memory,LSTM)网络相结合的深度学习二元预测模型。【方法】选取某校机器人工程专业共82名学生的历史信息和专业课程群中先后开设的3门课程的学习行为数据。首先通过CNN自动筛选出学生有效的静态特征和动态特征,然后利用LSTM网络模型捕捉学生学习过程中跨课程间的时序性关系,最后精准预测专业课程群中“机器人编程及应用”课程期末成绩的通过情况。【结果】本模型在预测学生“机器人编程及应用”课程期末成绩通过情况上的准确率达到93.1%;与支持向量机(support vector machine,SVM)和LSTM网络模型进行比较,结果表明本模型在第48周的成绩预测上准确率分别高出21.3%和16.1%。【结论】随着学生学习周数的增长,本模型的预测准确率会快速提高。本研究结果可为机器人工程课程群提供一种成绩预测的方法参考。 展开更多
关键词 学生成绩预测 cnn-lstm网络模型 时序数据 教育数据挖掘
在线阅读 下载PDF
基于CNN-LSTM的贵州省水资源需水预测与趋势分析
13
作者 李析男 朱飞燕 《人民珠江》 2026年第1期11-22,共12页
水资源是影响经济发展、生态保护和社会稳定的关键因素,气候变化加剧了其不确定性,尤其在缺水或分布不均的地区。贵州省作为典型山区省份,地形复杂、气候多变,水资源管理面临挑战。基于2004—2023年贵州省水资源公报数据(降水量、水资... 水资源是影响经济发展、生态保护和社会稳定的关键因素,气候变化加剧了其不确定性,尤其在缺水或分布不均的地区。贵州省作为典型山区省份,地形复杂、气候多变,水资源管理面临挑战。基于2004—2023年贵州省水资源公报数据(降水量、水资源量、用水量)和CMIP6四个全球气候模式(BCC-CSM2-MR,CAMS-CSM1-0,CMCC-CM2-SR5,MIROC6)的未来气候数据,构建了CNN-LSTM模型进行水资源供需预测,并分析了不同情景下水资源变化趋势。结果表明,CNN-LSTM模型预测精度高,测试集的平均绝对百分比误差为0.12383(水资源量)和0.18205(用水量),决定系数分别为0.99063和0.99067,表明模型能够有效捕捉数据的复杂时空变化趋势。未来预测显示,贵州省水资源量在SSP245(中排放)和SSP585(高排放)情景下均呈增加趋势,SSP585情景下变化幅度显著大于SSP245情景,且远期(2080—2099年)变化幅度远大于近期(2030—2049年),凸显了长期气候变化的累积效应。水资源量空间差异显著,黔南州(受地形抬升效应)增幅最大(远期SSP585达40亿m^(3)),贵阳市(因高城镇化率削弱入渗)增幅最小(8.6亿m^(3))。需水量同样呈增长趋势,合肥市变化最明显(远期SSP585增加4.55亿m^(3))。气候变化对水资源的影响存在空间异质性,水资源分布不均和用水结构多样性是主要原因。模型预测未来水资源总量虽增加,但空间分布不均和用水结构差异带来的挑战依然严峻。未来水资源管理应重视气候变化影响,推广节水技术,提高用水效率,建立预测模型,并针对不同区域特点(如黔南防洪、合肥需水管理)制定策略,确保水资源可持续利用。 展开更多
关键词 水资源管理 气候变化 cnn-lstm模型 CMIP6 需水量预测 贵州省
在线阅读 下载PDF
Bias-free iontronic memory sensors realize adaptive chemotaxis
14
作者 Lei Xu Linfeng Chen Fan Xia 《Science China Materials》 2026年第3期1810-1811,共2页
After billions of years of evolution,biological intelligence has converged on unrivalled energy efficiency and environmental adaptability.The human brain,for instance,is highly efficient in information transmission,co... After billions of years of evolution,biological intelligence has converged on unrivalled energy efficiency and environmental adaptability.The human brain,for instance,is highly efficient in information transmission,consuming only about 20 W onaverage in a resting state[1,2].A key to this efficiency is that biological signal transduction and processing rely significantly on multi-ions as the signal carriers.Inspired by this paradigm. 展开更多
关键词 bias free CHEMOTAXIS iontronic ADAPTIVE evolution SENSORS biological signal transduction processing memory
原文传递
Uniform Attractors for the Kirchhoff Type Suspension Bridge Equation with Nonlinear Damping and Memory Term
15
作者 Ling XU Yanni WANG 《Journal of Mathematical Research with Applications》 2026年第1期71-86,共16页
The goal of this paper is to investigate the long-time dynamics of solutions to a Kirchhoff type suspension bridge equation with nonlinear damping and memory term.For this problem we establish the well-posedness and e... The goal of this paper is to investigate the long-time dynamics of solutions to a Kirchhoff type suspension bridge equation with nonlinear damping and memory term.For this problem we establish the well-posedness and existence of uniform attractor under some suitable assumptions on the nonlinear term g(u),the nonlinear damping f(u_(t))and the external force h(x,t).Specifically,the asymptotic compactness of the semigroup is verified by the energy reconstruction method. 展开更多
关键词 uniform attractor Kirchhoff type suspension bridge equation nonlinear damping memory term
原文传递
Real-time decision support for bolter recovery safety:Long short-term memory network-driven aircraft sequencing
16
作者 Wei Han Changjiu Li +4 位作者 Xichao Su Yong Zhang Fang Guo Tongtong Yu Xuan Li 《Defence Technology(防务技术)》 2026年第2期184-205,共22页
The highly dynamic nature,strong uncertainty,and coupled multiple safety constraints inherent in carrier aircraft recovery operations pose severe challenges for real-time decision-making.Addressing bolter scenarios,th... The highly dynamic nature,strong uncertainty,and coupled multiple safety constraints inherent in carrier aircraft recovery operations pose severe challenges for real-time decision-making.Addressing bolter scenarios,this study proposes an intelligent decision-making framework based on a deep long short-term memory Q-network.This framework transforms the real-time sequencing for bolter recovery problem into a partially observable Markov decision process.It employs a stacked long shortterm memory network to accurately capture the long-range temporal dependencies of bolter event chains and fuel consumption.Furthermore,it integrates a prioritized experience replay training mechanism to construct a safe and adaptive scheduling system capable of millisecond-level real-time decision-making.Experimental demonstrates that,within large-scale mass recovery scenarios,the framework achieves zero safety violations in static environments and maintains a fuel safety violation rate below 10%in dynamic scenarios,with single-step decision times at the millisecond level.The model exhibits strong generalization capability,effectively responding to unforeseen emergent situations—such as multiple bolters and fuel emergencies—without requiring retraining.This provides robust support for efficient carrier-based aircraft recovery operations. 展开更多
关键词 Carrier-based aircraft Recovery scheduling Deep reinforcement learning Long short-term memory networks Dynamic real-time decision-making
在线阅读 下载PDF
4D printing of reprocessable thiocyanate covalent adaptable networks with reconfigurable shape memory ability
17
作者 Ting Xu Kexiang Chen +7 位作者 Zhiyuan He Chuanzhen Zhang Xiaoyu Li Ziyan Zhang Wenbo Fan Zhishen Ge Chenhui Cui Yanfeng Zhang 《Chinese Chemical Letters》 2026年第2期505-511,共7页
Shape memory polymers used in 4D printing only had one permanent shape after molding,which limited their applications in requiring multiple reconstructions and multifunctional shapes.Furthermore,the inherent stability... Shape memory polymers used in 4D printing only had one permanent shape after molding,which limited their applications in requiring multiple reconstructions and multifunctional shapes.Furthermore,the inherent stability of the triazine ring structure within cyanate ester(CE)crosslinked networks after molding posed significant challenges for both recycling,repairing,and degradation of resin.To address these obstacles,dynamic thiocyanate ester(TCE)bonds and photocurable group were incorporated into CE,obtaining the recyclable and 3D printable CE covalent adaptable networks(CANs),denoted as PTCE1.5.This material exhibits a Young's modulus of 810 MPa and a tensile strength of 50.8 MPa.Notably,damaged printed PTCE1.5 objects can be readily repaired through reprinting and interface rejoining by thermal treatment.Leveraging the solid-state plasticity,PTCE1.5 also demonstrated attractive shape memory ability and permanent shape reconfigurability,enabling its reconfigurable 4D printing.The printed PTCE1.5 hinges and a main body were assembled into a deployable and retractable satellite model,validating its potential application as a controllable component in the aerospace field.Moreover,printed PTCE1.5 can be fully degraded into thiol-modified intermediate products.Overall,this material not only enriches the application range of CE resin,but also provides a reliable approach to addressing environmental issue. 展开更多
关键词 4D Printing Dynamic thiocyanate ester bonds Covalent adaptable networks Cyanate ester resin Shape memory
原文传递
结合CNN-LSTM-SVM的特征融合在肺音分析中的应用
18
作者 赵静 杜永飞 +2 位作者 韦海成 张志鹏 许洋 《计算机系统应用》 2026年第1期219-227,共9页
本研究致力于提升深度学习在肺音分析领域的应用效率和准确性.针对现有深度学习模型在肺音分析中表现出的鲁棒性不足和泛化能力有限的问题,本研究提出了一种方法,该方法通过整合卷积神经网络(convolutional neural network,CNN)、长短... 本研究致力于提升深度学习在肺音分析领域的应用效率和准确性.针对现有深度学习模型在肺音分析中表现出的鲁棒性不足和泛化能力有限的问题,本研究提出了一种方法,该方法通过整合卷积神经网络(convolutional neural network,CNN)、长短时记忆(long short-term memory,LSTM)网络和支持向量机(SVM),实现了对肺音信号的高效和深入分析.首先对肺音信号进行预处理,提取出重构信号和其对应的希尔伯特谱图;其次设计并构建了一个集成CNN、LSTM和SVM的深度学习网络模型;最后将处理后的信号数据输入到CNN-LSTM-SVM的深度学习网络中,以提取并融合肺音信号的时域和频域特征.实验结果表明,该方法在召回率、精确率和F1-score这3个关键性能指标上分别达到96.20%、96.56%和0.96的高水平.这些结果证实了所提方法的高效性和可靠性,为肺部疾病的早期诊断提供了一种技术途径,并有潜力显著提升临床诊断的速度和准确性. 展开更多
关键词 肺音分析 特征融合 变分模态分解 卷积神经网络 长短时记忆网络 支持向量机
在线阅读 下载PDF
基于CNN-LSTM-Attention的公共建筑能耗预测
19
作者 张子瑞 郭伟 《机电工程技术》 2026年第2期67-72,共6页
随着城市化进程的不断加速,公共建筑能耗问题日益成为社会各界关注的焦点。准确预测公共建筑能耗,对于优化能源管理、提高能源利用效率具有不可估量的重要性。传统的能耗预测方法往往受限于数据处理的复杂性和模型的局限性,难以满足当... 随着城市化进程的不断加速,公共建筑能耗问题日益成为社会各界关注的焦点。准确预测公共建筑能耗,对于优化能源管理、提高能源利用效率具有不可估量的重要性。传统的能耗预测方法往往受限于数据处理的复杂性和模型的局限性,难以满足当前复杂多变的能耗预测需求,深度学习技术的快速发展为能耗预测提供了新的解决方案。结合CNN的空间特征提取能力和LSTM的时间序列处理能力,并引入注意力机制以增强模型对关键信息的捕捉能力,构建了CNN-LSTM-Attention公共建筑能耗预测模型。实验结果表明,CNN-LSTM-Attention的loss值在训练轮次达到70次之后,基本稳定在一个较低的水平,最终稳点在0.0002左右,并与其他模型对比后评价指标都是最优,其中MAPE为0.0052,R^(2)为0.9977,充分证明了其在公共建筑能耗预测中的精确度。 展开更多
关键词 公共建筑能耗 卷积神经网络 长短期记忆网络 注意力机制
在线阅读 下载PDF
融合CNN-LSTM的注意力机制化工安全参数预测模型
20
作者 何嘉明 闫姝 《化工管理》 2026年第1期105-109,共5页
化工过程参数具有动态时变特性、高度非线性和多重耦合特征,而现有预警方法存在单一模态建模局限性与动态响应滞后问题。针对上述问题,文章提出一种融合注意力机制的CNN-LSTM深度学习框架,通过卷积神经网络的动态特征提取能力与长短时... 化工过程参数具有动态时变特性、高度非线性和多重耦合特征,而现有预警方法存在单一模态建模局限性与动态响应滞后问题。针对上述问题,文章提出一种融合注意力机制的CNN-LSTM深度学习框架,通过卷积神经网络的动态特征提取能力与长短时记忆网络的时序关联建模优势,实现关键工艺参数的精准预测与超前预警。该模型结合卷积神经网络(CNN)的局部特征提取能力与长短期记忆网络(LSTM)的时序建模优势,并通过注意力机制强化关键时间步的特征权重。实验结果表明,与单一CNN、LSTM及传统融合模型相比,CNN-LSTM-Attention模型在RMSE、MAE等评价指标上均显著提升。该模型有效提高了工业过程参数预测的预测精度,为化工安全预警与设备维护提供了可靠的技术支持。 展开更多
关键词 卷积神经网络 长短期记忆神经网络 注意力机制 化工过程 温度预测 安全预警
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部