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1,932篇文章
< 1 2 … 97 >
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TCN-Informer的长短期多变量时间序列预测
1
作者 李德权 江涛 《科学技术与工程》 北大核心 2026年第4期1549-1557,共9页
为了解决时间序列预测长期和短期依赖关系的难题,同时捕捉长期趋势和短期动态,并对多变量时间序列中变量间复杂的相互依赖关系进行建模,提出了一种基于时间卷积网络(temporal convolutional network,TCN)的预测方法。首先,采用TCN来有... 为了解决时间序列预测长期和短期依赖关系的难题,同时捕捉长期趋势和短期动态,并对多变量时间序列中变量间复杂的相互依赖关系进行建模,提出了一种基于时间卷积网络(temporal convolutional network,TCN)的预测方法。首先,采用TCN来有效捕捉序列变量在时间尺度上的特征,同时将压缩-激励模块(squeeze-and-excitation block,SE_Block)应用于TCN的输出。该模块通过增强多变量的表示,有效解决短期依赖性问题,并提高模型捕捉关键短期信息的能力。其次,引入Informer模型来增强长期序列处理能力,不仅有效解决了长期序列预测中的计算效率问题,还增强了模型对全局时间依赖关系的建模能力。最后,在设备状态监测(ETTm1)、交通流量(Traffic)和电力负荷(Electricity)三个数据集上将所提方法与现有的时间序列模型进行实验验证并比较。结果表明:所提出的方法在长期和短期时间序列预测中的误差率较低,能够有效提高多变量时间序列中长期和短期预测性能。 展开更多
关键词 长短期时间序列 多变量时间序列 INFORMER 时间卷积网络(TCN) 特征提取
在线阅读 下载PDF
基于IAO算法的LSTM改进策略及在葡萄产业时序预测中的应用
2
作者 冯建英 李子涵 +2 位作者 贺苗 王思文 田东 《中国农机化学报》 北大核心 2026年第3期148-156,共9页
针对LSTM(Long Short-Term Memory)模型参数调整复杂、易陷入局部最优及难以充分捕捉复杂数据特征的问题,提出融合“分解—集成”思想、注意力机制、改进的IAO参数调优方法的组合预测模型C—AILSTM,在4组公开数据集验证模型效果,并将模... 针对LSTM(Long Short-Term Memory)模型参数调整复杂、易陷入局部最优及难以充分捕捉复杂数据特征的问题,提出融合“分解—集成”思想、注意力机制、改进的IAO参数调优方法的组合预测模型C—AILSTM,在4组公开数据集验证模型效果,并将模型应用于2组自建的葡萄价格、物流环境因子数据集。试验表明,提出的C—AILSTM模型在4组公开数据集中R2分别达到0.899 5、0.962 0、0.953 3、0.958 0,在自建数据集中R2分别达到0.940 1、0.977 9、0.978 3,预测精度及误差均优于单一LSTM模型。通过与LSTM变体模型的对比试验,进一步验证C—AILSTM模型预测精度的优越性。研究结果可以实现对时序数据的精准预测,同时为葡萄产业价格调控及生产决策提供参考。 展开更多
关键词 葡萄产业 时间序列 时序预测 长短期记忆网络(LSTM) 注意力机制
在线阅读 下载PDF
基于VMD-BiLSTM分解组合的巷道风速预测研究
3
作者 马恒 张世龙 高科 《安全与环境学报》 北大核心 2026年第4期1416-1428,共13页
巷道风速的精准预测对通风安全与灾害防控至关重要。针对巷道风速序列的非线性、非平稳性及噪声干扰问题,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)与双向长短期记忆(Bidirectional Long Short-Term Memory, Bi... 巷道风速的精准预测对通风安全与灾害防控至关重要。针对巷道风速序列的非线性、非平稳性及噪声干扰问题,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)与双向长短期记忆(Bidirectional Long Short-Term Memory, BiLSTM)网络组合的风速预测模型(VMD-BiLSTM)。首先,利用VMD将原始风速序列分解为12个相对平稳的模态分量——本征模态函数(Intrinsic Mode Functions, IMFs),以降低序列复杂度并抑制噪声影响;其次,采用BiLSTM网络对各分量分别建模,通过双向结构充分挖掘风速数据的时序特征;最后,叠加各分量预测结果得到最终风速预测值。以寺河二号井煤矿风速监测数据为例,结合温度、瓦斯体积分数及回采状态特征进行建模。结果表明:VMD-BiLSTM预测精度最高,决定系数R2为92.1%,相比传统LSTM、BiLSTM和门控循环单元(Gated Recurrent Unit, GRU)模型显著提升;模态消融试验进一步证明了残差分量对预测精度的重要性。研究为矿井巷道风速的精准预测提供了可靠方法,对矿井通风安全状态评估具有一定价值。 展开更多
关键词 安全工程 风速预测 变分模态分解 双向长短期记忆网络 时序分析
原文传递
具有正负系数和非线性中立项的3阶时滞动力方程的振动性
4
作者 赵春茹 《安徽大学学报(自然科学版)》 北大核心 2026年第1期34-40,共7页
研究一类具有非线性中立项的3阶时滞动力方程振动性和渐近性.首先应用积分的不等式技巧得出具有次线性中立项的动力方程振动性和渐近性的充分条件,然后应用不等式技巧得出具有超线性中立项和负系数的动力方程振动性的充分条件.论文的定... 研究一类具有非线性中立项的3阶时滞动力方程振动性和渐近性.首先应用积分的不等式技巧得出具有次线性中立项的动力方程振动性和渐近性的充分条件,然后应用不等式技巧得出具有超线性中立项和负系数的动力方程振动性的充分条件.论文的定理就非线性中立项而言提供了新方法.最后给出例子验证主要结果. 展开更多
关键词 振动性 非线性中立项 3阶动力方程 时间轴
在线阅读 下载PDF
考虑风速分段控制和功率连续演化的短期风电功率预测
5
作者 李丹 黄烽云 +2 位作者 缪书唯 唐建 罗娇娇 《电网技术》 北大核心 2026年第1期334-344,I0155,I0156,共13页
当前风电功率时序预测模型将时间均匀离散化处理,忽略了风电功率连续演化和风速对风电功率的分段控制特性。为提高预测的合理性,并拓展针对输入时间序列不规则时间间隔采样场景的应用,提出一种基于分段控制混合微分神经网络的短期风电... 当前风电功率时序预测模型将时间均匀离散化处理,忽略了风电功率连续演化和风速对风电功率的分段控制特性。为提高预测的合理性,并拓展针对输入时间序列不规则时间间隔采样场景的应用,提出一种基于分段控制混合微分神经网络的短期风电功率预测方法。首先,通过三次样条插值将离散时间点的风速连续化为风速时序轨迹,利用混合微分神经网络并行模拟时间惯性和连续风速影响下的风电功率控制演化规律,以完整反映其动态演变模式;然后,依据风速落入不同数值区间时对风电功率的差异化控制模式,采用多层感知器动态输出风速隶属于不同控制区间的连续值权重;最后,输出同时满足时间惯性和风速分段控制演化规律的风电场功率短期预测值。实际算例结果表明,该方法在处理不规则采样时间序列方面表现出显著优势,分段控制混合微分神经网络在预测精度和可信度上优于常见RNN网络。 展开更多
关键词 短期风电功率预测 时间序列 神经控制微分方程 门控函数 分段控制
原文传递
利用编码器-解码器的温室温湿度长序列预测
6
作者 盖荣丽 王鹏飞 +1 位作者 郭志斌 段立明 《小型微型计算机系统》 北大核心 2026年第1期89-96,共8页
针对现有温湿度预测模型难以充分考虑温室温湿度数据本身的复杂非线性特征和长期依赖关系,导致模型在实际应用中预测精度不足问题,本文提出了一种基于编码器-解码器架构的多层结构温湿度预测模型.模型通过卷积运算对数据进行多尺度转换... 针对现有温湿度预测模型难以充分考虑温室温湿度数据本身的复杂非线性特征和长期依赖关系,导致模型在实际应用中预测精度不足问题,本文提出了一种基于编码器-解码器架构的多层结构温湿度预测模型.模型通过卷积运算对数据进行多尺度转换和特征提取,并使用改进的双向限制性耦合长短期记忆网络(Bidirectional Restrictive Coupled Long-Short Term Memory,BiRCLSTM)优化了信息传递机制,同时运用多头注意力机制从不同的表示子空间中捕捉信息,最终实现了长序列多变量温室温湿度数据的精确预测.在自建温湿度数据集中,该模型的预测误差明显优于基线模型,并且该模型还在3个公共数据集上进行了不同时间分辨率的预测实验,综合实验结果表明,本文模型在温室温湿度预测中具有更高的精度和良好的泛化性能. 展开更多
关键词 温湿度预测 长时间序列 多变量特征 编码器-解码器 长短期记忆网络
在线阅读 下载PDF
基于分治策略和频域调制的轻量级多元长时序预测方法
7
作者 张亚浩 周晓锋 +2 位作者 张宜弛 李帅 刘舒锐 《小型微型计算机系统》 北大核心 2026年第2期265-273,共9页
多元长时序预测的主流框架是编码器-解码器结构,然而关于解码器结构的研究略显不足.采用简单的全连接层作为解码器不仅导致模型参数量过大,且忽略了多元时间序列的通道异质性和时序依赖性.针对上述问题,本文提出了一种基于分治策略和频... 多元长时序预测的主流框架是编码器-解码器结构,然而关于解码器结构的研究略显不足.采用简单的全连接层作为解码器不仅导致模型参数量过大,且忽略了多元时间序列的通道异质性和时序依赖性.针对上述问题,本文提出了一种基于分治策略和频域调制的轻量级多元长时序预测方法.首先,频域分段编码器将历史时间序列划分为时间片段并映射至频域,利用频域混合器提取时间片段内部特征和片段间相关性;然后,基于分治策略将长时序预测任务分解为各频率分量的子预测任务,并通过模型参数共享机制实现了解码器的轻量化设计;最后,使用通道调制头和时序调制头对初步预测结果进行频域特异性调制,弥补了解码过程在建模通道异质性和时序依赖性方面的不足.五个时序数据集上的实验结果表明该方法的预测精度优于现有的八个最新基线方法,同时展现出优异的轻量化特性. 展开更多
关键词 多元长时序预测 解码器 分治策略 通道异质性 时序依赖性
在线阅读 下载PDF
计及高影响天气事件的风光长期时间序列预测研究现状与关键技术展望
8
作者 白婕 秦晓辉 +2 位作者 安鹏 吴涛 侯翔天 《电网技术》 北大核心 2026年第2期829-848,共20页
随着风光并网规模逐步扩大,风光所带来的不确定性给新型电力系统运行带来极大挑战。与此同时,风光受天气影响颇深,近年来频发的高影响天气事件加剧了风光资源的波动性,进一步加剧新型电力系统的不确定性。提高风光时间序列的预测精度是... 随着风光并网规模逐步扩大,风光所带来的不确定性给新型电力系统运行带来极大挑战。与此同时,风光受天气影响颇深,近年来频发的高影响天气事件加剧了风光资源的波动性,进一步加剧新型电力系统的不确定性。提高风光时间序列的预测精度是有效应对不确定性挑战的关键技术。然而,当前研究多注重正常运行情况下风光时间序列的中短期预测,针对高影响天气的风光长期时间序列预测鲜有研究。为弥补这方面的空白,针对新型电力系统中计及高影响天气的风光长期时间序列预测开展系统性分析和综述。首先,分析典型高影响天气事件对新型电力系统的影响及其预测方法;然后,分别从正常情况以及高影响天气情况对风光长期时间序列预测方法进行梳理;其次,对风光长期时间序列预测应用场景进行概述并给出具体的应用示例;最后,对现有研究中存在的研究难点进行了归纳,并对未来的发展前景进行展望,为未来新型电力系统在高影响天气条件下的长期规划及韧性提升提供支撑。 展开更多
关键词 时间序列预测 高影响天气事件 长期时间序列 可再生能源
原文传递
基于GWO-LSTM-MLP组合神经网络的干热岩裂隙渗流出口温度预测研究
9
作者 刘先珊 于明智 +5 位作者 白冰 潘玉华 郑志伟 孙梦 杨文远 刘洋 《应用基础与工程科学学报》 北大核心 2026年第1期223-235,共13页
在干热岩研究与开发利用过程中,岩体裂隙中的水-岩换热行为是地热工程设计中的核心问题,实现渗流出口水温的准确预测,可大量减少工程成本和能源损耗.使用多场三轴实验系统对U50mm×100mm的花岗岩裂隙试样开展不同环境温度、体积流... 在干热岩研究与开发利用过程中,岩体裂隙中的水-岩换热行为是地热工程设计中的核心问题,实现渗流出口水温的准确预测,可大量减少工程成本和能源损耗.使用多场三轴实验系统对U50mm×100mm的花岗岩裂隙试样开展不同环境温度、体积流速下的对流换热实验,建立渗流传热实验数据集,使用灰狼优化算法(Grey Wolf Optimization,GWO)对LSTM-MLP组合神经网络进行参数优选.长短期记忆神经网络(Long Short-Term Memory,LSTM)用于捕捉渗流传热过程中的时间依赖性,多层感知机(Multi-Layer Perceptron,MLP)则用于提取非线性特征,二者结合可实现特征数据处理的优势互补.GWO以其出色的全局搜索能力有效避免陷入局部最优,确保模型参数的最优配置.考虑环境温度、入口温度、体积流速和裂隙开度4个输入参数预测渗流出口水温,引入3种常见的统计学指标评价模型性能,并对渗流传热过程中的时间相关性问题进行了预测.研究结果表明:对比近5年用于地热生产预测的机器学习模型,GWO-LSTM-MLP模型的预测结果最准确(R^(2)=0.989,RMSE=1.238,MAE=0.922),且GWO能够显著提高LSTM-MLP模型的预测效果,GWO参数优选后R^(2)值提高5.3%,RMSE值降低54.37%,MAE值降低60.53%.模型能准确预测渗流出口的稳态温度,其中最大绝对误差为0.8912℃,百分比误差为1.338%. 展开更多
关键词 增强型地热系统 对流换热实验 深度学习 长短期记忆网络 灰狼算法 时间序列数据
原文传递
基于LSTM的船舶运动多模态预测方法
10
作者 张彦峰 杨震 +1 位作者 王立鹏 于淼 《智能系统学报》 北大核心 2026年第1期201-213,共13页
为提升长短期记忆网络(long short-term memory,LSTM)在船舶运动姿态领域的预测精度,同时简化参数调优的过程。针对船舶运动数据设计了双层模态分解策略,结合开普勒优化算法(Kepler optimization algorithm,KOA),提出一种船舶运动姿态... 为提升长短期记忆网络(long short-term memory,LSTM)在船舶运动姿态领域的预测精度,同时简化参数调优的过程。针对船舶运动数据设计了双层模态分解策略,结合开普勒优化算法(Kepler optimization algorithm,KOA),提出一种船舶运动姿态多模态预测模型。采用改进的完全自适应噪声集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和变分模态分解(variational mode decomposition,VMD)的双层模态分解(double-layer mode decomposition,DLMD)模式,对原始船舶运动姿态时序数据进行双层分解,解决了第一层分解存在的高频分量过度平滑问题,同时消除了高频噪声与有效信号在相同频带下的耦合干扰,提升了模型的预测效果;进一步在模型训练中引入KOA优化LSTM的超参数,解决了LSTM调参效率低、易陷入局部最优的问题。基于实船运动数据集开展消融实验和算法整体验证实验,消融实验验证了DLMD和KOA模块的独立贡献;算法整体验证实验结果验证了两个模块的共同作用,并表明了该模型能够对船舶横摇和纵摇姿态实现较高精度的预测及超参数组合的自动优化。 展开更多
关键词 船舶 横摇 纵摇 时间序列 短期预测 长短期记忆网络 双层模态分解 开普勒优化
在线阅读 下载PDF
一种利用属性相关性的时序预测模型
11
作者 刘加多 郭景峰 陈晓 《燕山大学学报》 北大核心 2026年第1期33-43,共11页
针对现有研究通常忽视时序数据集属性之间的相关性导致模型在长时间序列预测中精度较差的问题,提出一种利用属性相关性的时序预测方法。首先设计时序数据集属性分组策略,对原始数据集的各个属性进行划分;其次利用融合变异系数的ProbSpar... 针对现有研究通常忽视时序数据集属性之间的相关性导致模型在长时间序列预测中精度较差的问题,提出一种利用属性相关性的时序预测方法。首先设计时序数据集属性分组策略,对原始数据集的各个属性进行划分;其次利用融合变异系数的ProbSparseCV自注意力机制提取划分后的数据集中时序数据的特征,并使用编码器-解码器的结构构建预测模型:最后,通过多组实验验证所提方法的有效性和优越性,通过消融实验分析所提方法对精度提升的贡献程度,实现长时间序列预测精度的提升。 展开更多
关键词 属性相关性 变异系数 自注意力机制 长时间序列预测
在线阅读 下载PDF
一种基于BiLSTM的OTFS信道估计算法
12
作者 王华华 文梓臣 魏凡博 《电讯技术》 北大核心 2026年第3期370-376,共7页
针对目前基于正交时频空调制系统中使用脉冲导频进行信道估计会引入高均峰比和信道估计困难的问题,提出了一种基于双向长短期记忆网络(Bidirectional Long Short-term Memory,BiLSTM)的信道估计算法。该算法首先将低功率导频序列放置于... 针对目前基于正交时频空调制系统中使用脉冲导频进行信道估计会引入高均峰比和信道估计困难的问题,提出了一种基于双向长短期记忆网络(Bidirectional Long Short-term Memory,BiLSTM)的信道估计算法。该算法首先将低功率导频序列放置于时频域中,再对发送信号添加功率放大器的非线性衰变模型,对接收信号导频部分的接收信号使用最小二乘法进行粗略信道的计算,之后通过BiLSTM结合卷积块注意力模块对完整信道进行拟合估计,从而得到时频域的完整信道矩阵。为进一步减少误差,通过神经网络对完整信道矩阵进行修正处理。仿真结果表明,该算法求得非线性衰变影响信号的信道矩阵的归一化均方误差提升了3~15 dB,均峰比下降了5~6 dB,误比特率性能提升3~8 dB。 展开更多
关键词 正交时频空调制(OTFS) 信道估计 双向长短记忆网络(BiLSTM) 深度学习
在线阅读 下载PDF
融合通道注意力与SDFFT的同质多变量时序预测模型
13
作者 王凯欣 杨磊 +3 位作者 赵品杰 江宇函 李康顺 刘启健 《软件导刊》 2026年第1期83-94,共12页
在同质多变量时间序列长期预测任务中,现有模型大多存在着特征提取时未充分利用变量间内在关联信息、对数据的时效性考虑不足、季节性和随机波动信息提取不到位等问题。为此,提出了一种融合多阶段跨时间依赖和拐点信息的同质多变量时间... 在同质多变量时间序列长期预测任务中,现有模型大多存在着特征提取时未充分利用变量间内在关联信息、对数据的时效性考虑不足、季节性和随机波动信息提取不到位等问题。为此,提出了一种融合多阶段跨时间依赖和拐点信息的同质多变量时间序列预测模型(HMTS-TI),设计了RGCA模块,在变量间通道注意力中引入分组排序的策略,将学习到的关联信息转化为注意权重,增强对多变量时间序列变量间相关信息的提取;构建了SDFFT模块,通过子序列分解与快速傅里叶变换,挖掘长期趋势、短期季节模式及随机波动信息,加强跨时间维度依赖特征提取;将拐点数量统计值作为预测调整因子,提取不同时间序列变量中的波动信息,对模型拟合产生正向调节作用。在Traffic、Solar、PeMS04 3个公共同质多变量时间序列数据集上的实验结果表明,相较于对比实验中的最优模型,HMTS-TI在96、192、336和720共4个预测长度上整体均方误差、平均绝对误差分别下降了12.1%和6.8%,决定系数提升了4.1%,具有较高的预测准确率。此外,在具体应用案例中,该模型对广东省内92个观测点的臭氧数据预测长度为336个时间单位任务上的均方误差相比最优对比模型下降了19.0%。 展开更多
关键词 同质多变量时间序列 长期预测 通道注意力 子序列划分 数据分解 快速傅里叶变换
在线阅读 下载PDF
基于PKO算法与IAPO算法的短期电力负荷预测模型
14
作者 彭彪 于惠钧 赵文川 《现代电子技术》 北大核心 2026年第8期84-92,共9页
为提升传统深度学习组合预测模型在短期电力系统负荷预测上的性能,提出一种基于花斑雀鸟优化(PKO)算法优化变分模态分解(VMD)、改进北极海雀优化(IAPO)算法优化时间卷积网络-长短期记忆(TCN-LSTM)网络的组合预测模型。首先,利用VMD将原... 为提升传统深度学习组合预测模型在短期电力系统负荷预测上的性能,提出一种基于花斑雀鸟优化(PKO)算法优化变分模态分解(VMD)、改进北极海雀优化(IAPO)算法优化时间卷积网络-长短期记忆(TCN-LSTM)网络的组合预测模型。首先,利用VMD将原始数据分解为若干子序列,降低数据复杂度;在分解中引入PKO算法对惩罚因子和分解层数进行寻优,提高分解精度。其次,通过Logistic混沌映射、动态步长调整、记忆机制等多策略改进北极海雀优化方法,增强算法的全局搜索能力,加快收敛速度,利用改进后的算法对TCN-LSTM模型超参数进行寻优。最后,通过IAPO-TCN-LSTM预测模型对子序列分别进行叠加重构,得到最终的预测结果。实例结果表明,所提方法相较于其他模型,在RMSE和MAPE指标上均有所降低,R2值有所提高,表现出更高的预测精度和鲁棒性。 展开更多
关键词 短期负荷预测 变分模态分解 花斑雀鸟算法 时间卷积网络 长短期记忆网络 改进北极海雀算法
在线阅读 下载PDF
基于长短期记忆网络的油井产量预测
15
作者 熊姣 聂向荣 +2 位作者 张金元 宁鹏展 邓鼎天 《云南化工》 2026年第2期101-105,共5页
针对低渗透油藏开发过程中传统产量预测方法难以有效捕捉非线性时序特征的问题,提出了一种利用长短期记忆网络(LSTM)的油井产量预测模型。以鄂尔多斯盆地W区块低渗透油藏为研究对象,收集并整理了近10年的月产油量历史数据。通过数据归... 针对低渗透油藏开发过程中传统产量预测方法难以有效捕捉非线性时序特征的问题,提出了一种利用长短期记忆网络(LSTM)的油井产量预测模型。以鄂尔多斯盆地W区块低渗透油藏为研究对象,收集并整理了近10年的月产油量历史数据。通过数据归一化、异常值检测与处理等数据预处理技术,并利用LSTM独特的门控机制和细胞状态结构,有效解决了传统循环神经网络(RNN)在长序列预测中存在的梯度消失问题,实现了对油藏生产动态中长期依赖关系的建模。结果表明,所建立的LSTM预测模型在测试集上相对均方根误差为4.47%,相对误差控制在±6.07%范围内,优于传统递减曲线分析等方法。 展开更多
关键词 低渗透油藏 产量预测 长短期记忆网络 时间序列
在线阅读 下载PDF
基于Transformer-LSTM的双全回转推进拖轮运动姿态预测方法研究
16
作者 刘佳仑 柳芊 +1 位作者 李诗杰 胡欣珏 《华中科技大学学报(自然科学版)》 北大核心 2026年第2期140-146,共7页
为了提高船舶在复杂海况和多变环境下的运动姿态预测模型的精度和鲁棒性,提出基于Transformer和LSTM神经网络结合的双全回转推进拖轮运动姿态预测方法.以双全回转推进港作拖轮为研究对象,以舵角为控制变量,输入为过去多个时刻的横荡速... 为了提高船舶在复杂海况和多变环境下的运动姿态预测模型的精度和鲁棒性,提出基于Transformer和LSTM神经网络结合的双全回转推进拖轮运动姿态预测方法.以双全回转推进港作拖轮为研究对象,以舵角为控制变量,输入为过去多个时刻的横荡速度、纵荡速度和转艏角速度,以预测下一时刻船舶的横荡速度、纵荡速度和转艏角速度.对采集的船舶运动时间序列数据进行归一化处理后,采用Transformer提取数据特征,将得到的隐藏状态编码作为长短期记忆网络(LSTM)输入,对其进行解码和训练,预测下一时刻的运动趋势.与传统的LSTM模型进行对比结果表明,本文构建的Transformer-LSTM模型对预测转艏角速度和横荡速度的预测精度改进明显,分别提升了16.9%~20.9%和30%~50%,为提高船舶运动姿态预测精度提供了一种可行的方法. 展开更多
关键词 长短期记忆网络(LSTM) TRANSFORMER 船舶运动姿态预报 全回转推进拖轮 时序预测
原文传递
基于MI-IDBO-LSTM的SCR脱硝系统出口NO x体积分数预测
17
作者 陈静 朱龙祥 《哈尔滨商业大学学报(自然科学版)》 2026年第2期195-202,共8页
针对燃煤电厂SCR脱硝系统大时滞、多扰动导致的出口氮氧化合物体积分数预测误差大的问题,提出一种基于MI-IDBO-LSTM的SCR出口NO x体积分数预测模型.利用互信息法(MI)完成各个输入变量的时延估计,对数据进行时序重构,基于处理后的数据,使... 针对燃煤电厂SCR脱硝系统大时滞、多扰动导致的出口氮氧化合物体积分数预测误差大的问题,提出一种基于MI-IDBO-LSTM的SCR出口NO x体积分数预测模型.利用互信息法(MI)完成各个输入变量的时延估计,对数据进行时序重构,基于处理后的数据,使用LSTM建立预测模型.通过引入Tent混沌映射、自适应权重和融合自适应权重的蛇鹭优化算法来改进蜣螂算法(DBO),以提高算法的寻优能力.利用IDBO寻优LSTM关键参数,以提高模型预测精度.基于国内某350 MW燃煤电厂SCR脱硝系统的历史运行数据进行仿真实验,将IDBO-LSTM的仿真结果与LSTM、DBO-LSTM进行对比,结果显示,IDBO-LSTM的平均绝对误差、决定系数和均方根误差分别为0.453、0.976、0.621,为各模型中的最优值.实验表明,基于MI-IDBO-LSTM的预测模型可以实现精准预测. 展开更多
关键词 SCR脱硝 时延估计 改进蜣螂算法 长短期记忆网络 预测模型
在线阅读 下载PDF
基于机器学习的燃料反应器中气固流动特性预测
18
作者 章冉 孙立岩 肖睿 《工程热物理学报》 北大核心 2026年第1期206-210,共5页
气固流动特性是燃料反应器设计与优化的关键参数,直接影响燃料利用效率与系统稳定性。本文基于机器学习对化学链制氢系统中的燃料反应器内部的气固流动特性进行快速预测。通过采集计算流体动力学的模拟结果,构建了机器学习的数据集,采... 气固流动特性是燃料反应器设计与优化的关键参数,直接影响燃料利用效率与系统稳定性。本文基于机器学习对化学链制氢系统中的燃料反应器内部的气固流动特性进行快速预测。通过采集计算流体动力学的模拟结果,构建了机器学习的数据集,采用长短记忆网络进行模型训练与优化,实现了对气固流动特性的高精度预测。结果表明,机器学习模型能够有效捕捉气固流动的复杂非线性关系,大幅降低计算耗时,预测结果与模拟数据吻合良好,长短记忆网络能够获得时序演变结果和实现提前预测。本研究为燃料反应器的智能化设计与实时调控提供了新的技术手段,具有重要的工程应用价值。 展开更多
关键词 流化床 机器学习 长短记忆网络 时序预测 图像预测
原文传递
国家药品集中采购政策对口服降糖药的长期影响与替代效应研究——基于四川省实证数据
19
作者 王静翠 谢佳利 +4 位作者 何昆 许凌巧 武志昂 唐晓蓉 胡明 《卫生经济研究》 北大核心 2026年第1期19-25,共7页
目的:分析国家组织药品集中采购政策对口服降糖药的长期影响和替代效应。方法:基于四川省公立医疗机构的口服降糖药采购数据,分析集中采购政策实施前后药品的量价关系。结果:集中采购政策实施后,口服降糖药均价下降2.24元(P<0.05),... 目的:分析国家组织药品集中采购政策对口服降糖药的长期影响和替代效应。方法:基于四川省公立医疗机构的口服降糖药采购数据,分析集中采购政策实施前后药品的量价关系。结果:集中采购政策实施后,口服降糖药均价下降2.24元(P<0.05),采购量持续上升,量价关系呈显著负相关(P<0.05);仿制药月均采购量占比从78.9%提升至86.5%,价格降幅显著高于原研药;中选品种采购量增幅超过50倍,价格下降,而非中选品种价格变化不明显;集采品种采购量显著增加,采购单价下降,但临床可替代品种的采购量持续上升,价格趋势无显著变化。结论:集中采购政策有效降低了药品价格、提升了药品可及性,并促进了仿制药替代,但对非中选及临床可替代品种的价格影响有限;未来政策应强化临床价值导向,通过精细化管理扩大政策覆盖范围,推动药品价格合理回归。 展开更多
关键词 药品集中采购 口服降糖药 替代效应 长期效应 间断时间序列分析
暂未订购
基于变量筛选的关键工艺质量指标预测
20
作者 赵飞 王艳 +2 位作者 马浩 王团结 戴翠红 《信息与控制》 北大核心 2026年第1期116-131,共16页
为提高连续工业过程关键工艺质量指标预测的准确性,提出了一种结合变量选择、深度特征提取和时序分析的工业质量预测新方法。首先,利用基于K近邻条件互信息的变量选择方法,从高维、冗余的数据中筛选出与质量变量高度相关的关键工艺变量... 为提高连续工业过程关键工艺质量指标预测的准确性,提出了一种结合变量选择、深度特征提取和时序分析的工业质量预测新方法。首先,利用基于K近邻条件互信息的变量选择方法,从高维、冗余的数据中筛选出与质量变量高度相关的关键工艺变量;然后,采用改进的深度自编码器对筛选后的变量进行特征提取,并将原始特征与提取的深层特征进行融合,构建增强的特征集,通过引入正则化项增强了模型的鲁棒性和泛化能力;最后,利用长短期记忆网络构建质量预测模型,充分捕捉数据中的时间依赖关系。在3个工业案例的验证中,所提出的方法均获得较高的预测准确度,且在不同案例下表现出较低的预测误差和较小的输出波动幅度,表明其对连续工业过程具有一定的适用性。 展开更多
关键词 质量预测 变量筛选 特征提取 深度自编码器 时间序列分析 长短期记忆网络
原文传递
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 … 97 下一页 到第 页
使用帮助 返回顶部