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901篇文章
< 1 2 … 46 >
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：
中国省域数字技术互补的区域联动效应:网络结构作用与空间异质性研究
1
作者 孟彦菊 郑瑞杰 +1 位作者 但小锦 何函芮 《科技进步与对策》 北大核心 2026年第1期45-56,共12页
技术互补是实现技术进步的重要路径,探讨数字技术互补的联动效应对于促进区域协调发展具有重要意义。研究发现,2007-2023年我国省域数字技术互补水平呈现上升趋势,数字技术互补的区域联动效应呈现动态分化特征。其中,虹吸效应显著作用... 技术互补是实现技术进步的重要路径,探讨数字技术互补的联动效应对于促进区域协调发展具有重要意义。研究发现,2007-2023年我国省域数字技术互补水平呈现上升趋势,数字技术互补的区域联动效应呈现动态分化特征。其中,虹吸效应显著作用于东北及西北地区,加剧了省际数字技术互补水平的不均衡化;辐射效应则主要集中于长三角地区,对缩小省际数字技术互补水平差距具有积极作用。联动效应转化主要由结构依赖、行动者-关系及时间依赖效应共同驱动,其网络结构以三元组结构为主导,节点属性主要表现为高水平的数字技术互补性与辐射能力。分地区看,东部地区联动效应转化主要取决于结构依赖效应且其强度显著高于中西部地区。分数字技术发展水平看,结构依赖效应仅在高数字技术发展水平地区表现显著;出度指标、数字技术互补指数及地理距离对辐射效应的影响亦在高水平地区表现突出。研究深化了对区域数字技术互补联动规律的理论认识,为制定差异化区域数字发展战略、推动数字技术协同发展提供启示。 展开更多
关键词 数字技术互补 联动效应 转化机制 时间指数随机图模型
在线阅读 下载PDF
基于切比雪夫图卷积与门控循环单元的风电机组故障诊断方法
2
作者 刘洪普 杨铭 +2 位作者 董志永 涂宁 张平 《可再生能源》 北大核心 2026年第1期60-69,共10页
针对传统前馈神经网络与卷积神经网络无法有效提取风电机组运行数据的非线性空间特征与时间特征,以及目前的风电机组故障诊断方法只能进行状态监测,无法有效进行故障定位等问题,文章提出一种基于切比雪夫图卷积网络与循环门控单元的风... 针对传统前馈神经网络与卷积神经网络无法有效提取风电机组运行数据的非线性空间特征与时间特征,以及目前的风电机组故障诊断方法只能进行状态监测,无法有效进行故障定位等问题,文章提出一种基于切比雪夫图卷积网络与循环门控单元的风电机组故障诊断方法。首先,基于动态时间规整算法构建图结构;其次,通过切比雪夫图卷积网络提取风电机组运行数据的非线性空间相关性;再次,利用循环门控单元提取风电机组运行数据的时间特征;最后,通过全连接层以及Softmax激活函数输出风电机组故障状态以及故障部位。经实验验证,该方法不但能够实现风电机组潜在故障的诊断,同时也可有效判断故障发生的具体部件,准确率达到99.33%,故障误检率低至0.38%,故障漏检率低至0.41%。 展开更多
关键词 风电机组 故障诊断 动态时间规整 图卷积网络 门控循环单元
在线阅读 下载PDF
基于ResNet-GCN-Transformer的多时间粒度地铁短时客流预测
3
作者 杜姿晨 郑长江 +2 位作者 郑树康 马庚华 陆野 《交通运输工程与信息学报》 2026年第1期64-79,共16页
【背景】随着城镇化进程的加快,城市轨道交通压力越来越大,准确的地铁客流预测对于优化列车时刻表、减少高峰时段拥堵、提高地铁系统服务水平具有重要的作用。【目标】综合考虑地铁客流的时空特性,充分利用多时间粒度客流数据,提高较大... 【背景】随着城镇化进程的加快,城市轨道交通压力越来越大,准确的地铁客流预测对于优化列车时刻表、减少高峰时段拥堵、提高地铁系统服务水平具有重要的作用。【目标】综合考虑地铁客流的时空特性,充分利用多时间粒度客流数据,提高较大时间粒度客流预测任务的准确性。【方方法法】分析不同时间粒度的地铁客流数据之间的相关性,确定多时间粒度融合机制。提出一种Resnet-GCN-Transformer模型:利用图卷积神经网络(Graph Convolutional Neural Network,GCN)提取不同站点客流的空间相关性;利用残差块构建深度卷积神经网络,对不同时间粒度的数据从小到大进行聚合,得到多时间粒度的多通道特征图;利用Transformer Encoder对客流数据的长时间依赖特性进行建模,并通过多个由全连接层构成的预测头输出预测结果。同时基于Optuna框架进行超参数优化,得到最优的超参数组合。【数据】对杭州市地铁刷卡数据集进行降噪处理并构建不同时间粒度的地铁客流数据集,基于10 min和30 min的数据集对模型进行验证。【结果】在两组不同目标时间粒度的数据集上,所提模型的平均绝对百分比误差分别为12.62%和10.61%,均优于6个基线模型,表明融合多时间粒度的特征在地铁客流预测任务中的重要性,模型能够充分捕捉多时间粒度的客流特征,地铁站点的连通关系,以及客流数据的时间依赖关系,从而显著提升客流预测效果。 展开更多
关键词 城市交通 客流预测 多时间粒度 图卷积神经网络 残差网络 TRANSFORMER
在线阅读 下载PDF
基于特征筛选与数据增强的图卷积神经网络在TSN网络配置检测中的应用
4
作者 郇战 王文韬 +3 位作者 王澄 王毅 陈瑛 胡芬 《昆明理工大学学报(自然科学版)》 北大核心 2026年第1期137-145,共9页
为了提升时间敏感网络(Time Sensitive Networking,TSN)网络配置检测的准确率,特别是在数据不平衡条件下的分类性能,提出一种基于特征筛选和条件表格生成对抗网络(Conditional Tabular Generative Adversarial Network,CTGAN)数据增强... 为了提升时间敏感网络(Time Sensitive Networking,TSN)网络配置检测的准确率,特别是在数据不平衡条件下的分类性能,提出一种基于特征筛选和条件表格生成对抗网络(Conditional Tabular Generative Adversarial Network,CTGAN)数据增强的图卷积神经网络(Graph Convolutional Network,GCN)TSN网络配置检测模型.首先通过计算互信息量(Mutual Information,MI)筛选得到强相关特征,在此基础上使用CTGAN针对原始数据集不平衡问题进行数据增强,最后构建GCN网络模型得到网络配置的分类结果.计算机仿真表明,使用MI-CTGAN-GCN模型进行网络配置的可行性预测可以提高对不平衡数据集的分类能力,与现有检测算法相比,模型分类准确率更高,达到了96.28%,验证了该方法的可行性与优越性. 展开更多
关键词 时间敏感网络(TSN) 特征筛选 互信息量 生成对抗网络 图卷积神经网络
原文传递
基于关联变分自编码器的多变量时序异常检测
5
作者 李庚辰 赵旭俊 +1 位作者 任凯燕 杨人众 《计算机技术与发展》 2026年第1期114-121,177,共9页
针对多变量时序异常检测中变分自编码器(Variational Autoencoders,VAE)相关性信息缺失与后验坍塌问题,提出一种基于关联信息的无监督异常检测算法。首先,提出一种基于双重图注意力机制的特征表示方法,通过动态关联权重及Top-K筛选方法... 针对多变量时序异常检测中变分自编码器(Variational Autoencoders,VAE)相关性信息缺失与后验坍塌问题,提出一种基于关联信息的无监督异常检测算法。首先,提出一种基于双重图注意力机制的特征表示方法,通过动态关联权重及Top-K筛选方法显式建模时空维度的时序动态关联与特征依赖,二者拼接融合后,通过门控循环单元表征时空复合依赖。其次,设计一种面向时序异常检测的关联变分自编码器,将原始时空信息进行关系编码生成关联信息,并将其引入潜在空间中提升VAE重构能力。最后,在时序异常检测中提出基于Sigmoid的循环退火损失函数,周期性调整KL散度系数使VAE稳定地学习有效潜在表示,通过双空间异常得分检测异常。与多种先进算法相比,该算法在SMAP、MSL和SMD数据集上性能较好。 展开更多
关键词 时间序列 变分自编码器 图注意力机制 异常检测 后验坍塌
在线阅读 下载PDF
基于逻辑时延Petri网的铁路信号继电电路潜通路分析研究
6
作者 薛一朴 《铁道通信信号》 2026年第3期38-48,共11页
潜通路分析是评估电路可靠性的重要方法,但传统的潜通路分析方法不关注电路的执行时序,不适用于铁路信号继电电路。针对这一问题,提出一种基于逻辑时延Petri网(LDPN)的铁路信号继电电路潜通路分析方法。首先对继电电路进行形式化描述,... 潜通路分析是评估电路可靠性的重要方法,但传统的潜通路分析方法不关注电路的执行时序,不适用于铁路信号继电电路。针对这一问题,提出一种基于逻辑时延Petri网(LDPN)的铁路信号继电电路潜通路分析方法。首先对继电电路进行形式化描述,并定义短电路用于描述局部电路;接着在逻辑Petri网的基础上引入时间延迟属性,构建LDPN模型,提出继电电路LDPN模型的构建规则;最后给出LDPN的并发时间可达图形式化定义,并设计基于控制策略的并发时间可达图生成算法。实际验证结果表明,采用该算法可以得到电路在特定激励下的执行过程和最终响应,是进行潜通路分析的有效形式化手段。该研究为识别因设计因素导致的继电电路潜通路提供了理论基础,从而协助设计人员对电路设计进行优化,提升电路可靠性。 展开更多
关键词 铁路信号 继电电路 潜通路分析 逻辑时延Petri网 短电路 并发时间可达图
在线阅读 下载PDF
基于图神经网络的电力市场价格预测方法
7
作者 张海涛 《电工材料》 2026年第1期87-90,共4页
电力市场价格预测在能源管理与电力市场运营中至关重要。传统的预测方法在处理复杂电网结构和时间序列数据时存在局限性,难以充分捕捉节点间的空间关联和动态特性。图神经网络(Graph Neural Networks,GNN)以其强大的图结构处理能力,能... 电力市场价格预测在能源管理与电力市场运营中至关重要。传统的预测方法在处理复杂电网结构和时间序列数据时存在局限性,难以充分捕捉节点间的空间关联和动态特性。图神经网络(Graph Neural Networks,GNN)以其强大的图结构处理能力,能够有效挖掘电力网络中各节点的关系,为电力市场价格预测提供了新的技术路径。本文提出了一种基于图神经网络的电力市场价格预测模型,通过构建电网拓扑结构图,利用图卷积神经网络和时间卷积模块,实现电力价格的高精度短期预测。 展开更多
关键词 电力市场 图神经网络 时间序列 机器学习
在线阅读 下载PDF
融合自适应图和多级注意力的多变量时间序列异常检测
8
作者 武嘉欣 段亮 田凯琳 《云南大学学报(自然科学版)》 北大核心 2026年第1期26-35,共10页
多变量时间序列异常检测旨在发现时序数据中不符合一般规律的异常模式.现有方法往往忽略不同变量在每个时刻的重要性、不同变量间的长期稳定和短期动态变化的关联关系,且从数据中提取特征时难以取得长期和局部时序依赖关系间的平衡,导... 多变量时间序列异常检测旨在发现时序数据中不符合一般规律的异常模式.现有方法往往忽略不同变量在每个时刻的重要性、不同变量间的长期稳定和短期动态变化的关联关系,且从数据中提取特征时难以取得长期和局部时序依赖关系间的平衡,导致特征提取不充分、异常检测结果不准确.为此,提出融合自适应图和多级注意力的多变量时间序列异常检测方法.首先,使用图嵌入模型学习变量间的长、短期关联关系,并增加图损失机制以指导长期稳定关联关系的学习;然后,设计多级注意力机制,变量级注意力机制用于捕捉当前时刻的关键变量,序列级加权注意力机制克服了传统自注意机制中可能出现的全局性分散问题,有效捕获时间序列的长期与局部时序依赖关系,进而重构多变量时间序列的正常模式;最后,在多个真实数据集上进行实验,实验结果表明,提出的方法平均F1值高于96%,显著优于现有方法. 展开更多
关键词 多变量时间序列 异常检测 自编码器 多级注意力 自适应图学习
在线阅读 下载PDF
基于图注意力网络的无人机蜂群作战目标分配
9
作者 朱政 魏喜庆 +1 位作者 李瑞康 宋申民 《兵工学报》 北大核心 2026年第1期235-243,共9页
近年来,随着无人机集群在智能化军事作战中的广泛应用,复杂动态环境下的蜂群目标分配问题成为军事运筹研究的重要方向。传统方法在面对大规模、实时的无人机蜂群目标分配问题时,常面临精确算法计算开销大和启发式方法解质量不足的矛盾... 近年来,随着无人机集群在智能化军事作战中的广泛应用,复杂动态环境下的蜂群目标分配问题成为军事运筹研究的重要方向。传统方法在面对大规模、实时的无人机蜂群目标分配问题时,常面临精确算法计算开销大和启发式方法解质量不足的矛盾。以最小化敌方目标剩余价值为目标,构建目标分配模型,将无人机蜂群与敌方目标建模为二分图节点,生成结构化训练数据。在此基础上设计并训练一种改进的图注意力网络,融合节点属性与边特征实现高效分配。仿真实验结果表明,新方法在解质量和求解效率方面均优于传统方法,具备良好的泛化能力,适用于大规模实时作战场景。 展开更多
关键词 无人机蜂群 目标分配问题 图注意力网络 二分图 大规模场景 实时决策
在线阅读 下载PDF
基于注意力和线性层融合的动态图卷积交通量预测模型
10
作者 尉辉 肖洪波 +4 位作者 邹北骥 奎晓燕 肖捡花 和佳聚 合尼古力 《大数据》 2026年第1期126-145,共20页
交通量的精准预测是优化路网运行效率、缓解城市交通拥堵的关键。针对传统模型依赖预定义静态图结构、难以捕捉动态时空相关性以及单一时间尺度建模难以全面提取多尺度特征的问题,提出了双重动态自适应时空建模框架。该框架在时间维度... 交通量的精准预测是优化路网运行效率、缓解城市交通拥堵的关键。针对传统模型依赖预定义静态图结构、难以捕捉动态时空相关性以及单一时间尺度建模难以全面提取多尺度特征的问题,提出了双重动态自适应时空建模框架。该框架在时间维度采用动态时间特征提取多头注意力机制,自适应调整时序权重以捕捉关键动态特征;在空间维度设计动态图卷积网络,通过自注意力机制实时生成邻接矩阵,以表征节点间动态空间依赖关系,从而实现时空双重动态协同建模。此外,该框架引入可学习的线性融合层,自适应整合多时间尺度预测结果,协同优化局部与全局特征表达。在真实道路数据集上的实验表明,该框架显著优于基线模型,验证了其优越的时空特征捕捉与预测性能。 展开更多
关键词 交通量预测 动态时间特征提取多头注意力机制 动态图卷积 线性层融合
在线阅读 下载PDF
基于试题-知识点异构图和多特征融合的知识追踪模型 被引量：4
11
作者 解培中 李冠进 李汀 《计算机科学》 北大核心 2025年第3期197-205,共9页
知识追踪要求基于学习者的历史作答情况来预测未来的答题表现,并评估知识状态的变化。探索学习者知识状态的变化有助于实现个性化服务,如课程推荐和试题推荐。然而,现有的大多数知识追踪模型在建模时考虑的特征不够全面,不能综合衡量学... 知识追踪要求基于学习者的历史作答情况来预测未来的答题表现,并评估知识状态的变化。探索学习者知识状态的变化有助于实现个性化服务,如课程推荐和试题推荐。然而,现有的大多数知识追踪模型在建模时考虑的特征不够全面,不能综合衡量学习者知识状态的变化。针对这一问题,提出一种新的知识追踪模型——基于试题-知识点异构图和多特征融合的知识追踪模型(EKMFKT)。具体而言,从学习者的学习过程出发,研究了两种行为特征(尝试次数和提示次数)以及两种时间特征(响应时间和间隔时间)对知识状态的影响。然后,设计了学习门和遗忘门,以模拟知识的获取和遗忘,全面更新知识状态的变化。另外,对于模型的输入,设计了基于试题-知识点异构图的图嵌入方法来预训练试题表示,使得模型的输入保持试题和知识点的关联。在两个公开数据集上的实验结果表明,EKMFKT在预测性能上优于现有模型。通过引入多个特征并确保试题与知识点的关联,EKMFKT使知识状态的变化更合理,增强了模型的可解释性。 展开更多
关键词 知识追踪 异构图 学习行为 时间特征 遗忘行为
在线阅读 下载PDF
融合稀疏图注意力的多元时间序列异常检测方法 被引量：1
12
作者 衡红军 代栋炜 《计算机工程与设计》 北大核心 2025年第3期841-849,共9页
为解决时序数据中时空依赖关系不明确而导致多元时间序列异常检测效果较差的问题,提出一种基于稀疏图注意力网络的异常检测模型PSGAT-AD(ProbSparse graph attention networks anomaly detection)。采用卷积神经网络(convolutional neur... 为解决时序数据中时空依赖关系不明确而导致多元时间序列异常检测效果较差的问题,提出一种基于稀疏图注意力网络的异常检测模型PSGAT-AD(ProbSparse graph attention networks anomaly detection)。采用卷积神经网络(convolutional neural networks,CNN)提取时间戳上下文信息并使用全局时间戳编码和Transformer位置编码增强序列之间的联系。利用稀疏自注意力关注重要的时间戳与特征,通过自注意力蒸馏(self-attention distillation)降低输入规模,使重要的特征更加突出,以学习时间和特征两个维度的复杂依赖关系,提升表示学习质量。通过构建基于预测和重构的综合损失函数,对模型参数进行优化。将综合损失误差作为异常得分实现异常判定。实验结果表明,PSGAT-AD模型在4个公开数据集上的F1得分提升1.47%~6.52%。 展开更多
关键词 异常检测 多元时间序列 图注意力网络 时间戳编码 稀疏自注意力 自注意力蒸馏 综合损失误差
在线阅读 下载PDF
区域技术性贸易壁垒协定与全球价值链合作网络演化 被引量：3
13
作者 赵明亮 马富伟 《中国软科学》 北大核心 2025年第6期111-121,共11页
在WTO规则边缘化背景下,区域合作日益紧密,而区域技术性贸易壁垒(TBT)协定影响贸易合作水平,从而影响全球价值链合作网络重塑。文章基于时间指数随机图模型,深入考察区域TBT协定对全球价值链合作网络的影响,并探讨网络演化的内生机制。... 在WTO规则边缘化背景下,区域合作日益紧密,而区域技术性贸易壁垒(TBT)协定影响贸易合作水平,从而影响全球价值链合作网络重塑。文章基于时间指数随机图模型,深入考察区域TBT协定对全球价值链合作网络的影响,并探讨网络演化的内生机制。研究发现:第一,区域TBT协定网络会促进全球价值链合作网络发展,合作关系存在互惠性和传递闭合性;第二,区域TBT协定中设置有关减少贸易扭曲、以WTO/TBT协定作为参考等条款对全球价值链合作网络发展的促进作用明显;第三,多边协议国家和位于同一洲内联系紧密的国家间签订的区域TBT协定网络更有利于全球价值链合作网络发展,区域TBT协定网络促进了高端制造业和数字服务业全球价值链合作网络发展,多目标制裁网络会严重冲击全球价值链合作网络。通过内生时间效应分析发现,全球价值链合作网络演化路径具有较强的稳定性,已有的合作关系倾向于延续至未来的合作网络中。研究结果为优化区域TBT协定合作、提高全球价值链合作网络水平和韧性提供了重要的参考依据。 展开更多
关键词 区域技术性贸易壁垒协定 全球价值链合作网络 网络演化效应 时间指数随机图模型(TERGM)
在线阅读 下载PDF
利用知识图神经推荐算法实时评估危险品道路运输风险 被引量：1
14
作者 王占中 兰若冰 +1 位作者 杨萌 张书源 《同济大学学报(自然科学版)》 北大核心 2025年第8期1253-1261,共9页
基于知识图神经推荐算法(KGCN)进行危险品道路运输实时风险评估,旨在通过实时评估危险品道路运输风险,及时发现高风险因素,提前调整运输状态,降低危险品道路运输发生风险的概率和避免造成严重的事故后果。构建危险品道路运输事件知识图... 基于知识图神经推荐算法(KGCN)进行危险品道路运输实时风险评估,旨在通过实时评估危险品道路运输风险,及时发现高风险因素,提前调整运输状态,降低危险品道路运输发生风险的概率和避免造成严重的事故后果。构建危险品道路运输事件知识图谱,基于图神经网络(GNN)将该知识图谱嵌入推荐算法,计算风险因素导致风险事件发生的可能性,针对危险品道路运输事件给出个性化的风险评估结果。该方法简化了实时数据处理操作,克服了实时数据稀疏的困难,以54097条货物道路运输报警数据为实例进行验证,得出AUC值稳定在0.83左右,计算结果可靠。 展开更多
关键词 道路运输 实时风险评估 知识图谱 图神经网络 推荐算法
在线阅读 下载PDF
基于L2范数的饱和增益二阶时滞多智能体系统分布式自适应一致性算法
15
作者 张学亮 汪家瑞 +1 位作者 白晶 齐凯 《计算机应用文摘》 2025年第18期245-247,250,共4页
针对含有通信时滞与不确定性的二阶多智能体系统一致性问题,设计了一种分布式自适应控制协议。该协议以相对状态误差的L2范数为基础构建自适应律,并通过在线动态调节控制增益来应对未知参数与外部扰动。基于Lyapunov理论与Barbalat引理... 针对含有通信时滞与不确定性的二阶多智能体系统一致性问题,设计了一种分布式自适应控制协议。该协议以相对状态误差的L2范数为基础构建自适应律,并通过在线动态调节控制增益来应对未知参数与外部扰动。基于Lyapunov理论与Barbalat引理,严格证明了在该协议作用下,所有智能体的位置与速度均可实现渐近一致,同时自适应增益最终收敛至有界常数,并推导出了系统的时滞上限。数值仿真结果进一步验证了所提方法的有效性。 展开更多
关键词 多智能体系统 一致性问题 自适应控制 时滞 图论
在线阅读 下载PDF
RCEP旅游服务贸易网络的动态演化特征、共轭环流效应及形成机制
16
作者 王娟 张欢 魏荣杰 《经济地理》 北大核心 2025年第4期210-220,共11页
探索旅游服务贸易网络演化特征及机制对推动区域经济发展具有重要意义。文章基于2001—2021年WTO-OECD平衡服务贸易(BaTIS)数据库,运用复杂网络分析和时间指数随机图模型分析了RCEP成员国旅游服务贸易网络的动态演化特征及形成机制。结... 探索旅游服务贸易网络演化特征及机制对推动区域经济发展具有重要意义。文章基于2001—2021年WTO-OECD平衡服务贸易(BaTIS)数据库,运用复杂网络分析和时间指数随机图模型分析了RCEP成员国旅游服务贸易网络的动态演化特征及形成机制。结果表明:①在网络特征上,RCEP旅游服务贸易的共轭空间逐渐扩大,并呈现出典型的“小世界”特征;RCEP旅游服务贸易网络中心性极化明显,空间分布不均衡。②中国、马来西亚、印度尼西亚、泰国在共轭环流中的枢纽作用日益增强;RCEP旅游服务贸易网络中,“下环流”发展中国家通过共轭效应与“上环流”发达国家建立紧密联系,演化成以中国、澳大利亚、新加坡为核心三大凝聚子群。③旅游服务贸易网络具有互惠效应、等级效应和时间依赖效应,人均GDP、人口密度、政府效率、边境接壤对旅游服务贸易关系的形成具有显著影响。未来,应通过发挥新兴经济体在共轭环流中的核心作用,加强旅游服务贸易“上环流”高质量旅游服务产品供给能力,推动“下环流”发展中国家的互利共惠、协同发展,完善贸易环流中各国市场准入机制和推动旅游服务贸易环流数字化变革,以促进RCEP成员国共同构建更加开放、包容、互惠互利的旅游服务贸易网络。 展开更多
关键词 旅游服务贸易网络 动态演化 新兴经济体 共轭环流效应 时间指数随机图模型 RCEP
原文传递
基于时序分析和大模型检索增强的输配水设备预测性维护研究
17
作者 薛浩 秦琪 +1 位作者 范铌 马静 《给水排水》 北大核心 2025年第11期175-180,共6页
预测性维护对于提高输配水设备的运行效率和安全性至关重要。大模型技术在工业设备预测性维护中的应用正逐步扩展,但在处理复杂时序数据时,其预测准确性和可靠性大大受限,且在生成维修建议时易出现“幻觉”现象。针对这些问题,提出了一... 预测性维护对于提高输配水设备的运行效率和安全性至关重要。大模型技术在工业设备预测性维护中的应用正逐步扩展,但在处理复杂时序数据时,其预测准确性和可靠性大大受限,且在生成维修建议时易出现“幻觉”现象。针对这些问题,提出了一种时序数据驱动的深度学习与大模型检索融合策略方法,通过将时序数据转换为二维图像并基于深度残差网络实现故障分类,同时结合知识图谱和历史维修记录,优化大模型生成的维修建议。试验结果表明,该方法的故障预测准确率至90%以上,减少了因设备故障导致的停机时间(降低18.7%),维护成本降低了13.6%,降低了设备突发故障的发生频率,有效提高了设备运行效率和运行可靠性。 展开更多
关键词 设备预测性维护 时序分析 大语言模型 知识图谱 智慧水务
在线阅读 下载PDF
结合自适应局部图卷积与多尺度时间建模的骨架行为识别
18
作者 田青 虞静静 张正 《计算机应用研究》 北大核心 2025年第7期2199-2205,共7页
鉴于人体骨架的固有拓扑结构特性,采用图卷积网络进行骨架数据建模成为行为识别的一种有效手段。然而,在骨架行为识别方法中存在固定拓扑图结构与固定内核大小的时间卷积难以适应多变的动作类型、姿态及行为时长,导致建模误差,影响识别... 鉴于人体骨架的固有拓扑结构特性,采用图卷积网络进行骨架数据建模成为行为识别的一种有效手段。然而,在骨架行为识别方法中存在固定拓扑图结构与固定内核大小的时间卷积难以适应多变的动作类型、姿态及行为时长,导致建模误差,影响识别精度的问题。为此,提出了一种结合自适应局部图卷积与多尺度时间建模的骨架行为识别方法。该方法通过自适应局部图卷积模块,实现人体骨骼结构的独立动态表征;设计多尺度时间建模模块,实现对不同持续时间的行为进行建模,并降低了参数量和计算复杂度;引入时空DropGraph结构,动态调整图拓扑结构,提升模型的泛化能力并防止过拟合。实验表明,在NTU RGB+D 60数据集的跨对象C-Sub和跨视角C-View基准下分别取得了93.39%和97.18%的准确率,在NTU RGB+D 120数据集的跨对象C-Sub和跨设置C-Set基准下分别取得了90.48%和91.95%的准确率,高于现有的行为识别方法,证明了该方法的优越性。 展开更多
关键词 局部图卷积 自适应图 多尺度时间建模 行为识别
在线阅读 下载PDF
基于图神经网络的地下水位动态模拟模型
19
作者 许明家 孙龙 +1 位作者 李爽 鲁程鹏 《水文》 北大核心 2025年第1期30-36,共7页
地下水位的模拟精度在可持续的地下水资源利用和管理中起着重要的作用。机器学习方法可以捕获输入变量和目标变量之间的非线性关系,在地下水位模拟中得到了广泛的应用。然而,传统的机器学习方法没有考虑站与站之间的空间关系。本文使用... 地下水位的模拟精度在可持续的地下水资源利用和管理中起着重要的作用。机器学习方法可以捕获输入变量和目标变量之间的非线性关系,在地下水位模拟中得到了广泛的应用。然而,传统的机器学习方法没有考虑站与站之间的空间关系。本文使用图神经网络(GNN)模拟地下水位动态变化,以地下水水位监测站为节点,通过邻接矩阵连接节点;选择河北省典型漏斗区的监测数据对模型进行应用和评价。与三个对照模型:随机森林(RF)、支持向量机(SVR)和多层感知机(MLP)相比,所提出的模型在所定义的评估指标方面均表现更好。此外,所提出的模型可同时模拟建模系统中所有监测站的地下水位变化,相比单站模型具有更高的数据利用率。 展开更多
关键词 地下水位模拟 图神经网络 非平稳 时间序列
在线阅读 下载PDF
水电机组多元振摆信号的交互图神经网络预测方法
20
作者 姬升阳 刘志辉 +4 位作者 刘德新 张谷雄 汪昱 肖龙 李超顺 《中国农村水利水电》 北大核心 2025年第12期206-210,共5页
水电机组振动监测在机组健康状态评价以及劣化预警方面占据着至关重要的地位,对机组各部位振动摆度的趋势进行精准预测,能够提早发现机组的运行异常,切实增强机组运行安全性与稳定性。然而,现场监测到的水电机组振摆信号存在噪声,当前... 水电机组振动监测在机组健康状态评价以及劣化预警方面占据着至关重要的地位,对机组各部位振动摆度的趋势进行精准预测,能够提早发现机组的运行异常,切实增强机组运行安全性与稳定性。然而,现场监测到的水电机组振摆信号存在噪声,当前有关水电机组振动摆度预测方法多对机组单一位置进行预测,对机组运行稳定性评价存在片面性,且没有充分考虑多个测点振动摆度之间的相互作用。针对上述挑战,提出采用交互图神经网络(Cross Graph Neural Networks,CrossGNN)对水电机组多个位置的振动摆度信号进行预测。CrossGNN是一种具有线性复杂性的图神经网络模型。能够对水电机组多元振动信号进行跨尺度和跨变量交互,从而隐性揭示机组多个位置振动信号的时空关系。为有效处理时间维度上的噪声,借助自适应多尺度识别器(adaptive multi-scale identifier,AMSI)构建具有降噪功效的多尺度时间序列。进而提出跨尺度神经网络,用于精准提取趋势明晰、噪声较弱的尺度。同时,基于不同变量之间的同质性和异质性构建跨变量GNN。通过同步聚焦于显著性分数较高的边缘并对分数较低的边缘加以约束,CrossGNN的时间和空间复杂度得以与输入序列长度L呈线性关系,从而有效提升预测精度与通用性。最终,以国内某水电站机组为例,通过对机组6个位置的振动摆度信号进行预测,验证了所提方法的有效性,为水电机组振动预测提供了一种新思路。 展开更多
关键词 水电机组振动预测 多元时间序列 多尺度识别器 交互图神经网络
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 … 46 下一页 到第 页
使用帮助 返回顶部