期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于小波去噪和LSTM的Seq2Seq水质预测模型 被引量:6
1
作者 袁梅雪 魏守科 +1 位作者 孙铭 赵金东 《计算机系统应用》 2022年第6期38-47,共10页
建立水质模型预测水质变化是保障饮用水安全、人类健康和维持生态平衡的关键.本文提出了基于小波分解去噪和LSTM的双层双向Seq2Seq混合模型(W-Bi2Seq2Seq)来预测水质的变化.使用Daubechies5 (db5)小波将数据集分解为低频序列和高频序列... 建立水质模型预测水质变化是保障饮用水安全、人类健康和维持生态平衡的关键.本文提出了基于小波分解去噪和LSTM的双层双向Seq2Seq混合模型(W-Bi2Seq2Seq)来预测水质的变化.使用Daubechies5 (db5)小波将数据集分解为低频序列和高频序列,高频序列作为噪声去除,仅保留低频信号用作所提出模型的输入.选取了烟台市门楼水库的4项水质指标数据(pH、氨氮、电导率和浊度)用于模型的训练,验证和测试.所提出的小波双层双向模型(Bi2)与小波单层单向模型(Uni1)、小波单层双向模型(Bi1)、小波双层单向模型(Uni2)、传统的LSTM模型以及基于小波分解的LSTM模型(W-LSTM),进行比较实验.其实验结果显示,在训练过程中, 4个Seq2Seq模型都具有很好的性能,都能够很好拟合4项水质指标的历史数据集.然而,测试结果表明, Bi2在预测精度和泛化能力方面优于其他5个模型,并且显著提高复杂度较高的水质数据的预测精度. 展开更多
关键词 水质预测 小波去噪 Daubechies5 LSTM Seq2Seq模型 小波分析 深度学习 门楼水库
在线阅读 下载PDF
基于小波非线性自回归网络的水文预测模型 被引量:8
2
作者 衣学军 魏守科 +4 位作者 石玉好 付常璐 邢昱臻 闫杰 赵金东 《计算机技术与发展》 2021年第3期70-77,共8页
不同时间尺度上的水文序列预测在水资源调配和防洪减灾决策中起着重要的作用。提出了一种基于小波分解和非线性自回归神经网络相结合的水文时间序列预测模型(WNARN)。运用Daubechies 5(db5)离散小波将水文序列数据分解为低频和高频子序... 不同时间尺度上的水文序列预测在水资源调配和防洪减灾决策中起着重要的作用。提出了一种基于小波分解和非线性自回归神经网络相结合的水文时间序列预测模型(WNARN)。运用Daubechies 5(db5)离散小波将水文序列数据分解为低频和高频子序列,作为非线性自回归神经网络模型(NARN)的输入变量,贝叶斯正则化优化算法用来泛化网络,训练模型对各子序列进行模拟预测,预测值经db5小波重构后得到原序列预测值。利用渭河流域三个水文站40多年的月径流量序列对所提出的WNARN模型进行验证和向前48步的预测能力测试,并与单一NARN模型的验证和预测结果进行对比。结果显示在相同的网络结构下所提出的方法能够显著提高水文序列的预测精度、预测周期及对重大水文事件的预测性,具有较高的泛化能力。 展开更多
关键词 水文预测 小波变换 Daubechies 非线性自回归网络 贝叶斯正则化 渭河
在线阅读 下载PDF
基于小波分解的LSTM水质预测模型 被引量:13
3
作者 孙铭 魏守科 +2 位作者 王莹洁 赵金东 袁梅雪 《计算机系统应用》 2020年第12期55-63,共9页
水是人类和其它生命体所依赖的不可缺少的资源,建立水质预测模型预测水质状况具有重要的社会经济和生态环保价值.本文建立了基于小波分解的长短期记忆网络(LSTM)时间序列预测模型(W-LSTM),运用Daubechies5(db5)小波将水质数据分解为高... 水是人类和其它生命体所依赖的不可缺少的资源,建立水质预测模型预测水质状况具有重要的社会经济和生态环保价值.本文建立了基于小波分解的长短期记忆网络(LSTM)时间序列预测模型(W-LSTM),运用Daubechies5(db5)小波将水质数据分解为高频率和低频率信号,再将这些信号作为LSTM模型的输入,来训练模型预测水质数据.利用安徽阜南王家坝流域采集到的4项水质指标(pH值、DO、CODMn、NH3N)对该模型进行训练、验证和测试,并与传统LSTM神经网络模型的训练和预测结果进行比较.结果显示所提出的方法在多种评价指标上均优于传统LSTM模型,表明了该方法具有较高的预测精度和泛化能力,是一种更有效的模拟预测手段. 展开更多
关键词 水质预测 小波分解 LSTM神经网络 王家坝流域
在线阅读 下载PDF
GPUMD 4.0:A high-performance molecular dynamics package for versatile materials simulations with machine-learned potentials
4
作者 Ke Xu Hekai Bu +52 位作者 Shuning Pan Eric Lindgren Yongchao Wu Yong Wang Jiahui Liu Keke Song Bin Xu Yifan Li Tobias Hainer Lucas Svensson Julia Wiktor Rui Zhao Hongfu Huang Cheng Qian Shuo Zhang Zezhu Zeng Bohan Zhang Benrui Tang Yang Xiao Zihan Yan Jiuyang Shi Zhixin Liang Junjie Wang Ting Liang Shuo Cao Yanzhou Wang Penghua Ying Nan Xu Chengbing Chen Yuwen Zhang Zherui Chen Xin Wu Wenwu Jiang Esme Berger Yanlong Li Shunda Chen Alexander JGabourie Haikuan Dong Shiyun Xiong Ning Wei Yue Chen Jianbin Xu Feng Ding Zhimei Sun Tapio Ala-Nissila Ari Harju Jincheng Zheng Pengfei Guan Paul Erhart Jian Sun Wengen Ouyang Yanjing Su Zheyong Fan 《Materials Genome Engineering Advances》 2025年第3期1-24,共24页
This paper provides a comprehensive overview of the latest stable release of the graphics processing units molecular dynamics(GPUMD)package,GPUMD 4.0.We begin with a brief review of its development history,starting fr... This paper provides a comprehensive overview of the latest stable release of the graphics processing units molecular dynamics(GPUMD)package,GPUMD 4.0.We begin with a brief review of its development history,starting from the initial version.We then discuss the theoretical foundations for the development of the GPUMD package,including the formulations of the interatomic force,virial and heat current for many-body potentials,the development of the highly efficient and flexible neuroevolution potential(NEP)method,the supported integrators and related operations,the various physical properties that can be calculated on the fly,and the GPUMD ecosystem.After presenting these functionalities,we review a range of applications enabled by GPUMD,particularly in combination with the NEP approach.Finally,we outline possible future development directions for GPUMD. 展开更多
关键词 GPUMD interatomic potential machine-learned potential materials simulation molecular dynamics
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部