基于Kalman滤波的ARIMA-NAR神经网络模型在深基坑沉降监测中的应用 被引量：14

1

作者 牛全福 李月锋 +2 位作者 张曼 傅建凯 马亚娜 《兰州理工大学学报》 CAS 北大核心 2022年第2期131-135,共5页

深基坑变形监测在城市建设安全施工中显得越来越重要.鉴于监测数据不可避免地存在噪声及单个预测模型存在的预测残差问题,为提高基坑监测预测精度,以兰州市某深基坑监测中具有明显沉降的ZJ52为例,采取一种基于Kalman去噪的ARIMA-NAR神... 深基坑变形监测在城市建设安全施工中显得越来越重要.鉴于监测数据不可避免地存在噪声及单个预测模型存在的预测残差问题,为提高基坑监测预测精度,以兰州市某深基坑监测中具有明显沉降的ZJ52为例,采取一种基于Kalman去噪的ARIMA-NAR神经网络组合模型进行预测分析.结果发现,经Kalman去噪后建立的ARIMA-NAR组合模型的预测结果的平均绝对误差、平均相对误差和残差方差分别为0.43、0.04、2.23 mm,预测结果均优于单一的ARIMA和NAR神经网络模型的预测结果,预测精度较好,其结果可为本项目的安全施工提供可靠指导. 展开更多

关键词 深基坑 滤波 组合模型 预测

下载PDF 职称材料

基于机器学习的短期负荷预测算法综述 被引量：11

2

作者 梁宏涛 刘红菊 +2 位作者 李静 王莹 郭超男 《计算机系统应用》 2022年第10期25-35,共11页

为维持电网稳定,各种负荷预测方法层出不穷,但由于算法泛化能力、模型复杂度等自身特点不同,使其对于负荷预测的适用性存在差异.本文讨论了近5年短期电力负荷预测的国内外研究现状,从实验数据集、数据预处理、预测算法、优化模型以及评... 为维持电网稳定,各种负荷预测方法层出不穷,但由于算法泛化能力、模型复杂度等自身特点不同,使其对于负荷预测的适用性存在差异.本文讨论了近5年短期电力负荷预测的国内外研究现状,从实验数据集、数据预处理、预测算法、优化模型以及评估方法等多个维度对当前电力负荷预测研究现状进行整体概述,同时总结各种预测算法的优缺点与适用性,对短期电力负荷预测系统的发展趋势进行总结与展望,以期为未来电力系统负荷预测模型选择提供参考. 展开更多

关键词 短期负荷预测 深度学习 组合模型 长短期记忆网络 机器学习

下载PDF 职称材料

“分解-校正-集成”模式下基于深度信念网络模型的径流预测 被引量：2

3

作者 钱玉霞 陈伏龙 +3 位作者 何朝飞 龙爱华 孙怀卫 吕廷波 《长江科学院院报》 CSCD 北大核心 2024年第5期35-44,共10页

精准的短期径流预测可为流域内水资源规划、防洪调度及抗旱减灾工作提供重要的科学依据。为减小模型的系统误差,提高径流预测精度,在“分解-集成”模式的基础上提出“分解-校正-集成”框架,构建EEMD-DBN-EnKF、VMD-DBN-EnKF模型。利用... 精准的短期径流预测可为流域内水资源规划、防洪调度及抗旱减灾工作提供重要的科学依据。为减小模型的系统误差,提高径流预测精度,在“分解-集成”模式的基础上提出“分解-校正-集成”框架,构建EEMD-DBN-EnKF、VMD-DBN-EnKF模型。利用集合卡尔曼滤波数据同化算法对偏离实测径流过大的分量校正以降低分解子序列在预测中产生的系统误差,并与未修正的EEMD-DBN、VMD-DBN模型及单一DBN模型进行了对比分析。结果表明:基于模态分解的组合模型较单一模型RMSE减小了至少23%,NSE与R^(2)增加了21%以上;基于径流分量校正的组合模型相较于模态分解的组合模型各评价系数有所提升,其中VMD-DBN-EnKF预测模型误差最小,效果最优,NSE与R^(2)达到0.89以上,其次依次为EEMD-DBN-EnKF>VMD-DBN>EEMD-DBN。综上“分解-校正-集成”模式的预测框架在玛纳斯河流域具有良好的适用性,可为玛纳斯河径流短期预报提供技术支持。 展开更多

关键词 模态分解 深度信念网络 集合卡尔曼滤波 径流预测 组合模型

下载PDF 职称材料

基于互补集合经验模态分解-模糊熵-深度信念网络的短期风速预测 被引量：4

4

作者 赵辉 华海增 +1 位作者 岳有军 王红君 《科学技术与工程》 北大核心 2019年第29期137-143,共7页

针对原始风速序列具有非线性、非平稳性和不可控性的问题,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-模糊熵(fuzzy entropy,FE)-深度信念网络(deep belief network,DBN)的短期风速预... 针对原始风速序列具有非线性、非平稳性和不可控性的问题,提出基于互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)-模糊熵(fuzzy entropy,FE)-深度信念网络(deep belief network,DBN)的短期风速预测模型。首先,利用CEEMD方法将原始风速序列分解为一系列不同尺度的本征模态分量(IMF)以降低其非平稳性;其次,利用模糊熵方法将多个IMF分量进行重组以避免分量数目过多给预测精度造成的影响;最后,利用深度信念网络其强大的深度特征提取能力和非线性映射学习能力的优点,分别对新的分量进行预测和叠加获得最终预测值。实验表明,较BP神经网络模型和DBN模型,组合模型提高了预测精度,具有可行性和有效性。 展开更多

关键词 短期风速预测 互补经验模态分解 模糊熵 深度信念网络 组合模型

下载PDF 职称材料

统计机器翻译中大规模特征的深度融合 被引量：4

5

作者 刘宇鹏 乔秀明 +1 位作者 赵石磊 马春光 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2017年第1期46-56,共11页

对循环神经网络和递归神经网络进行改进,提出深度融合的神经网络(DNN)模型,在训练过程中加入大规模特征.该模型有很强的泛化能力,适合于现在主流的自底向上解码样式,融合了2种经典的机器翻译模型:基于短语的层次化文法(HPG)和括号转录文... 对循环神经网络和递归神经网络进行改进,提出深度融合的神经网络(DNN)模型,在训练过程中加入大规模特征.该模型有很强的泛化能力,适合于现在主流的自底向上解码样式,融合了2种经典的机器翻译模型:基于短语的层次化文法(HPG)和括号转录文法(BTG).使用改进的循环神经网络,生成适合短语生成过程的短语/规则对语义向量,并在生成过程中使用了自编码器以提高循环神经网络的性能.使用改进的递归神经网络,使它在翻译过程中指导解码,考虑到另一个解码器在解码过程中的信息,互相影响共同提高翻译性能.提出的深度融合模型不仅适合于异类翻译系统,也适合于异类语料.相对于经典的基线系统,在异类系统上该模型的实验结果获得1.0~1.9倍的BLEU分数提高,在异类语料上该模型的实验结果获得1.05~1.58的BLEU分数提高,且进行了统计显著性检验. 展开更多

关键词 大规模特征 异类语料 异类系统 深度融合模型

下载PDF 职称材料

基于PSO-DELM的手机上网流量预测方法 被引量：9

6

作者 周莉 刘东 郑晓亮 《计算机工程与设计》 北大核心 2021年第2期316-323,共8页

为提高手机上网流量预测的精度,提出一种使用粒子群算法优化深度极限学习机的手机上网流量预测方法。流量数据具有非线性、自相似性和长相关性的特性,且以时间刻度为单位记录。通过对具有时序性质的一维流量数据重新排列组合,产生新的... 为提高手机上网流量预测的精度,提出一种使用粒子群算法优化深度极限学习机的手机上网流量预测方法。流量数据具有非线性、自相似性和长相关性的特性,且以时间刻度为单位记录。通过对具有时序性质的一维流量数据重新排列组合,产生新的多维流量数据样本集,采用PSO算法优化DELM中的多个隐含层的神经元个数构成PSO-DELM组合模型进行流量预测。实验结果表明,PSO-DELM模型预测的效果明显优于其它模型,能更好满足流量预测的实时性和高精度的要求。 展开更多

关键词 流量预测 粒子群算法 深度极限学习机 时序性质 组合模型

下载PDF 职称材料

基于深度学习算法的光伏发电功率预测方法研究 被引量：3

7

作者 姜景芮 苗田 +3 位作者 彭婧 苏邢盛楠 徐慧慧 柴宜! 《自动化应用》 2023年第13期102-104,共3页

为提升光伏发电功率预测的精度和智能化程度,本文基于深度学习算法对光伏发电功率预测方法展开研究,通过深度学算法组合应用的思路建立CNN-LSTM光伏功率预测模型,并分别阐述预测模型建立过程中的模型结构、激活函数选择、时间步数设置... 为提升光伏发电功率预测的精度和智能化程度,本文基于深度学习算法对光伏发电功率预测方法展开研究,通过深度学算法组合应用的思路建立CNN-LSTM光伏功率预测模型,并分别阐述预测模型建立过程中的模型结构、激活函数选择、时间步数设置和特征变量选择。实验结果表明,在超短期预测中,CNN-LSTM模型的性能表现最佳,说明本文提出的CNN-LSTM光伏发电功率预测模型的特征提取能力更强;在短期预测中,CNN-LSTM模型在晴天和阴雨天时的预测精度均为最高,说明本文提出的CNN-LSTM光伏发电功率预测模型适用于多种天气的短期预测,并具有显著的精度优势。 展开更多

关键词 深度学习算法 光伏发电 功率预测 CNN-LSTM网络组合模型

下载PDF 职称材料

深基坑工程围护变形及邻近建筑沉降规律分析 被引量：3

8

作者 唐平英 王磊 《黑龙江科学》 2013年第10期33-34,25,共3页

深基坑的变形有很多的影响因素,并且很难用已有的力学模型和经验公式去进行计算,本文将在前人研究的基础上,用实际工程中前期开挖时的监测数据来建模,用后期开挖时的数据来检校模型的精度和适用性,利用灰色系统-BP神经网络模型进行分析... 深基坑的变形有很多的影响因素,并且很难用已有的力学模型和经验公式去进行计算,本文将在前人研究的基础上,用实际工程中前期开挖时的监测数据来建模,用后期开挖时的数据来检校模型的精度和适用性,利用灰色系统-BP神经网络模型进行分析预测,经过多次试验表明,该模型比灰色系统模型和BP神经系统模型具有更高的精度和适用性,同时对于复杂条件下基坑变形发生突变的情况具有较高的适用性和准确性。 展开更多

关键词 基坑变形监测 逆作法 沉降控制 数据分析

下载PDF 职称材料

基于变异粒子群优化与深度神经网络的航空弹药消耗预测模型 被引量：8

9

作者 田德红 何建敏 《南京理工大学学报》 EI CAS CSCD 北大核心 2018年第6期716-721,726,共7页

为了提高航空弹药的供应保障效率,将变异粒子群优化(MPSO)融入深度神经网络(DNN),研究航空弹药训练消耗预测问题。通过DNN确定网络各层的最优激活函数,基于MPSO参数寻优得到网络各层最优的权值和阈值,进而构建MPSO与DNN融合的航空弹药... 为了提高航空弹药的供应保障效率,将变异粒子群优化(MPSO)融入深度神经网络(DNN),研究航空弹药训练消耗预测问题。通过DNN确定网络各层的最优激活函数,基于MPSO参数寻优得到网络各层最优的权值和阈值,进而构建MPSO与DNN融合的航空弹药训练消耗预测模型。实验研究表明,该文组合预测模型在对5年数据的预测中均方误差为0.000 9,与粒子群优化-深度神经网络(PSO-DNN)模型、DNN模型以及反向传播神经网络(BPNN)模型相比具有更好的预测性能。 展开更多

关键词 变异粒子群优化 深度神经网络 航空弹药 组合预测模型

下载PDF 职称材料

基于灰色组合预测的沿海围垦区基坑工程深层土体变形研究与控制 被引量：2

10

作者 陈璐 马惠彪 《中国港湾建设》 2019年第11期1-5,21,共6页

我国沿海围垦区深基坑工程,受到地下土含水量大、水位高、渗透性差、易变形的影响,对周边建筑环境产生较严重的破坏,其中,深层土体变形是影响其施工的最直观因素。为能实时获得基坑工程深层土体的变形数据,建立了灰色组合预测模型,即采... 我国沿海围垦区深基坑工程,受到地下土含水量大、水位高、渗透性差、易变形的影响,对周边建筑环境产生较严重的破坏,其中,深层土体变形是影响其施工的最直观因素。为能实时获得基坑工程深层土体的变形数据,建立了灰色组合预测模型,即采用灰色关联度的方法,选取周边地表沉降、桩顶位移、支撑轴力以及地下水位等监测值作为组合预测模型的自变量,根据不同影响因素对应深层土体变形值的权重关系,应用于沿海围垦区某基坑工程深层土体变形预测模型中,结果表明灰色组合预测模型较GM(1,1)具有较高的预测精度,在5%以内。同时运用Midas GTS有限元模拟工程案例,从支撑刚度角度,计算其最优面积的大小,通过减小桩顶水平变形,控制基坑工程深层土体位移。 展开更多

关键词 沿海围垦区 深基坑工程 灰色组合预测模型 MIDAS GTS有限元

下载PDF 职称材料

面向钻蛀振动实时侦听的深度学习模型压缩

11

作者 张海燕 袁明帅 +4 位作者 蒋琦 孙钰 崔剑 任利利 骆有庆 《北京林业大学学报》 CAS CSCD 北大核心 2021年第6期92-100,共9页

【目的】基于深度学习的钻蛀振动识别模型结合边缘计算可实现林业蛀干害虫钻蛀振动长期监测和实时预警,但要求大幅压缩智能识别模型的参数量和运算量。本研究采用深度学习模型压缩算法,在不损失精度的前提下,对已有的钻蛀振动识别模型... 【目的】基于深度学习的钻蛀振动识别模型结合边缘计算可实现林业蛀干害虫钻蛀振动长期监测和实时预警,但要求大幅压缩智能识别模型的参数量和运算量。本研究采用深度学习模型压缩算法,在不损失精度的前提下,对已有的钻蛀振动识别模型进行压缩,减小模型的体积并提升模型在嵌入式平台的识别速度。【方法】首先采集双条杉天牛钻蛀振动和背景噪声两类信号训练人工设计的5层卷积神经网络BoringNet,得到钻蛀振动识别模型;然后分别使用不同裁剪率的滤波器裁剪、模型量化、多目标知识蒸馏对钻蛀振动识别模型进行压缩;最后设计上述压缩算法的组合策略,联合使用3种算法对蛀振动识别模型进行压缩,探究多种组合的模型压缩效果。【结果】3种模型压缩算法组合,裁剪率为60%时模型达到最优,此时模型计算量和参数量分别从原模型的18.06×10^(6)次和0.54×10^(6)个降低为3.01×10^(6)次和0.09×10^(6)个,模型体积从2200 kB压缩至134.9 kB,树莓派3B+上的识别时间由原模型的9.04 ms降低至1.65 ms,而模型精度仍能达到99.29%,提升了0.5%。【结论】本研究的深度学习模型压缩方法,可以针对钻蛀振动侦听场景大幅压缩模型参数量和运算量,在保证准确率的前提下实现嵌入式平台的实时识别,促进钻蛀振动识别模型从工作站试验到野外实地部署的转变,为钻蛀振动识别的边缘计算奠定基础。 展开更多

关键词 深度学习 边缘计算 钻蛀振动识别 模型压缩 模型压缩算法组合

下载PDF 职称材料

深部煤系气合采产层组合判识方法及效果评价

12

作者 李伟 申建 +2 位作者 汪跃跃 黄强 曹煜彤 《石油学报》 EI CAS CSCD 北大核心 2024年第5期844-854,共11页

深部煤系气产层具有跨度大、多种类型储层叠置且层间非均质性强等特点。合层开发层间干扰问题严重,亟需建立科学的煤系气产层组合判识方法以支撑煤系气经济高效共探共采。以鄂尔多斯盆地临兴西区块本溪组—山西组煤层和砂岩层为例,考虑... 深部煤系气产层具有跨度大、多种类型储层叠置且层间非均质性强等特点。合层开发层间干扰问题严重,亟需建立科学的煤系气产层组合判识方法以支撑煤系气经济高效共探共采。以鄂尔多斯盆地临兴西区块本溪组—山西组煤层和砂岩层为例,考虑产层组合的产能效果与经济性,提出了煤系气产层组合的基本原则,建立了产层组合判识的数学模型,确定了满足经济效益的产量下限及产层厚度;提出了将煤系气产能转换成产层厚度并以此分析煤系气合采产层组合的研究思路,提出了多层合采关键参数的校正系数,形成了简单、可靠的合采评价体系。研究结果显示,研究区满足经济极限的单井产量为9.8582×10^(6)m^(3),煤层、砂岩层满足经济要求的产层厚度分别为4.34 m和6.45 m。考虑到单井产能的敏感性,引入了产层厚度、渗透率、含气量以及储层压力的校正系数,由此构建了煤系气合采产层组合判识体系。以L-01井为例,划分出7种最优产层组合,指出2个产层组合适宜合采,其煤系气合层开发模拟结果与产层组合判识结果一致,验证了产层组合判识模型的可靠性。煤系气合采产层组合判识体系可通过产层厚度、渗透率、含气量和储层压力等参数,将产能转换为产层厚度后进行合采可行性评价,简单有效地指导煤系多产层合采开发。 展开更多

关键词 深部 煤系气 多层合采 产层组合判识模型 经济评价 临兴西区块

原文传递