融合CNN_LSTM的侧信道攻击 被引量：2

1

作者 彭佩 张美玲 郑东 《计算机工程与应用》 CSCD 北大核心 2023年第6期268-276,共9页

基于深度学习在侧信道攻击中的应用,在Chipwhisperer平台中实现AES算法,在其加密过程中测量相应能量迹,再利用CPA技术分析得出兴趣点位置,并针对兴趣点做出模型训练。在卷积神经网络(CNN),长短时记忆网络(LSTM)和CNN_LSTM混合模型三种... 基于深度学习在侧信道攻击中的应用,在Chipwhisperer平台中实现AES算法,在其加密过程中测量相应能量迹,再利用CPA技术分析得出兴趣点位置,并针对兴趣点做出模型训练。在卷积神经网络(CNN),长短时记忆网络(LSTM)和CNN_LSTM混合模型三种网络模型上,结合数据预处理技术训练同步和异步能量迹。实验结果表明三种模型同步状态下的准确率相当,另外在保证模型训练参数不变的情况下逐渐增大异步数据时,三个模型训练集和测试集的准确率都在减少,但新提出的混合模型下降速度变化是最慢的,在实验异步数加大到50时,仍可以保证准确率在90%之上,即几乎一条能量迹就可恢复出正确密钥。所以,CNN_LSTM模型可以更好地适应能量迹发生异步的情况。 展开更多

关键词 高级加密标准(AES) 侧信道攻击 卷积神经网络 长短时网络 深度学习

下载PDF 职称材料

基于长短时记忆网络的仿真系统数据故障诊断方法 被引量：2

2

作者 牛群 刘志永 +2 位作者 褚建川 王艳奎 吴根水 《探测与控制学报》 CSCD 北大核心 2019年第5期25-29,共5页

针对空空导弹仿真系统中传统数据分析方法效率低下,无法快速有效对大量仿真数据进行故障识别的问题,提出基于长短时记忆网络的仿真系统数据故障诊断方法。该方法分析仿真试验数据的数据特征,采用长短时记忆网络对健康数据中的时序信息... 针对空空导弹仿真系统中传统数据分析方法效率低下,无法快速有效对大量仿真数据进行故障识别的问题,提出基于长短时记忆网络的仿真系统数据故障诊断方法。该方法分析仿真试验数据的数据特征,采用长短时记忆网络对健康数据中的时序信息进行记忆,并内嵌至所建立的多层次深度神经网络模型,从而有效表征健康数据的本征变化属性,进而对试验过程中的故障数据进行准确诊断。空空导弹仿真系统数据智能诊断结果表明,本方法在快速诊断的基础上,故障诊断识别率达到90%以上。 展开更多

关键词 故障诊断 长短时网络 神经网络 数据分析

下载PDF 职称材料

基于事件模式及类型的事件检测模型 被引量：1

3

作者 代翔 《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第4期592-599,共8页

针对触发词定义标准模糊、语料标注成本高等问题,提出一种基于事件模式及类型的事件检测深度学习模型(PTNN)。首先基于实体的语法及语义特征获取潜在论元;其次将潜在论元抽象为角色,结合语法、语义、角色特征构建嵌入表示,增强输入对事... 针对触发词定义标准模糊、语料标注成本高等问题,提出一种基于事件模式及类型的事件检测深度学习模型(PTNN)。首先基于实体的语法及语义特征获取潜在论元;其次将潜在论元抽象为角色,结合语法、语义、角色特征构建嵌入表示,增强输入对事件模式的体现;最后利用Bi-LSTM和基于事件类型的注意力机制,完成事件及类型判定。模型在不识别触发词的前提下,通过强化事件模式特征实现事件检测,避免了触发词标注困难的问题,证明了事件模式在神经网络上对事件检测的积极作用,将同类方法的最优效果提升了3%,且达到了基于触发词的检测效果。 展开更多

关键词 注意力机制 事件检测 事件模式 长短时网络 潜在论元

下载PDF 职称材料

基于深度学习技术的心律失常诊断与个体识别算法研究

4

作者 诗雨桐 袁德成 《沈阳化工大学学报》 CAS 2023年第6期547-553,共7页

针对传统机器学习算法的弊端,提出一种基于深度学习的心率失常信号诊断和心电信号个体识别的改进算法.该方法通过加入改进的卷积注意力模块,将一维卷积神经网络和双向长短时网络结合,提出一种新的模型L-CNN对心律失常心电信号进行诊断识... 针对传统机器学习算法的弊端,提出一种基于深度学习的心率失常信号诊断和心电信号个体识别的改进算法.该方法通过加入改进的卷积注意力模块,将一维卷积神经网络和双向长短时网络结合,提出一种新的模型L-CNN对心律失常心电信号进行诊断识别.实验结果表明:L-CNN算法模型比现有研究的算法模型的识别精度最低提高了1.23%.与传统识别技术相比,基于心电信号的识别技术具有广阔的应用前景. 展开更多

关键词 心电识别 深度学习 卷积神经网络 双向长短时网络 卷积注意力模块

下载PDF 职称材料

基于双向长短时记忆网络和设备未来态的停电优化模型 被引量：1

5

作者 薛斌 马晓伟 +3 位作者 任景 郭少青 黄红伟 薛艳军 《电子器件》 CAS 北大核心 2022年第3期732-738,共7页

电力系统设备故障导致的停电范围会产生安全和经济双重影响,研究停电损失和电网安全优化模型具有重要价值。对此,从时间维度、空间维度、元器件维度及历史和未来状态,基于双向长短时记忆网络,提出了电网停电经济损失和电网安全双重优化... 电力系统设备故障导致的停电范围会产生安全和经济双重影响,研究停电损失和电网安全优化模型具有重要价值。对此,从时间维度、空间维度、元器件维度及历史和未来状态,基于双向长短时记忆网络,提出了电网停电经济损失和电网安全双重优化模型。从时间维度,给出了元器件的健康状态及故障率模型,在此基础上,提出了元器件关联分析的停电拓扑分析模型。结合二者建立了以经济性和安全性为目标的停电优化模型,通过使用双向长短时记忆网络对上述模型进行求解。通过对实际电网的仿真验证,表明了所提方法的有效性。 展开更多

关键词 停电 优化 双向长短时网络 健康状态 未来态

下载PDF 职称材料

基于EMD-IPSO-LSTM模型的短期电力负荷预测 被引量：8

6

作者 赵一鸣 吉月辉 +1 位作者 刘俊杰 陈嘉齐 《国外电子测量技术》 北大核心 2023年第1期132-137,共6页

准确地预测短期负荷为发电厂电力调度提供依据,提高电力系统的经济性。由于负荷数据的非线性非平稳性,提出一种经验模态分解-改进粒子群算法-长短期记忆(EMD-IPSO-LSTM)的预测模型。首先,利用EMD处理非线性的负荷序列,将序列分解为多个... 准确地预测短期负荷为发电厂电力调度提供依据,提高电力系统的经济性。由于负荷数据的非线性非平稳性,提出一种经验模态分解-改进粒子群算法-长短期记忆(EMD-IPSO-LSTM)的预测模型。首先,利用EMD处理非线性的负荷序列,将序列分解为多个本征模态函数(IMF)以及残差(Res),引入非线性递减分配方法和正弦函数分别改进粒子群算法(PSO)的惯性权重和学习因子,可以更有效地寻找LSTM参数的最优解。其次,利用IPSO优化LSTM的第1层神经元个数、损失率、以及批量大小等参数,将所有IMF和Res分为高、中,低频三组分量,并代入优化后的LSTM网络进行预测,叠加获取最终的预测结果。最后,以GEFCom2014预测竞赛电力负荷数据集进行仿真实验,并且对LSTM、IPSO-LSTM、EMD-PSO-LSTM这3种模型作比较,结果表明所提的预测模型具有较高的预测精度。 展开更多

关键词 短期负荷预测 经验模态分解 改进的粒子群算法 长短时神经网络

下载PDF 职称材料

基于深度学习与随机森林的PM_(2.5)浓度预测模型 被引量：7

7

作者 彭豪杰 周杨 +3 位作者 胡校飞 张龙 彭杨钊 蔡心悦 《遥感学报》 EI CSCD 北大核心 2023年第2期430-440,共11页

针对PM_(2.5)浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘,而深度学习算法在数据较少情况下效果不佳的问题,综合考虑深度学习与随机森林的特点,提出一种基于深度学习与随机森林的PM_(2.5)浓度预测组合模型。模型... 针对PM_(2.5)浓度预测中传统机器学习算法无法对数据内部隐藏特征进行深层次挖掘,而深度学习算法在数据较少情况下效果不佳的问题,综合考虑深度学习与随机森林的特点,提出一种基于深度学习与随机森林的PM_(2.5)浓度预测组合模型。模型以气溶胶光学厚度(AOD)遥感数据、气象再分析数据和PM_(2.5)地面观测数据构建训练数据集,通过深度学习方法对训练数据内部深层次隐含特征进行提取,将提取得到的隐含特征用于随机森林模型训练,并使用随机森林回归算法得到PM_(2.5)浓度的预测值。为验证方法的有效性,以河南省区域2018年—2019年的PM_(2.5)浓度估算为例,将原始特征与利用CNN、LSTM和CNN_LSTM所提取特征共同构建的新特征分别通过随机森林回归、支持向量回归以及K近邻回归等3种传统机器学习方法进行训练和预测。实验结果表明,在较少数据情况下PMCOM模型无论是在整体预测还是在分季节预测场景下均具有较好的预测精度,其中以LSTM为特征选择器,RF为回归器的组合模型是本实验的最优模型,在即使只有35%的数据作为训练样本时,整体预测实验中R^(2)仍可达0.89,各季节预测实验中R^(2)均在0.75以上。 展开更多

关键词 遥感 PM_(2.5) 深度学习 随机森林 长短时神经网络 PM_(2.5)组合模型

原文传递

基于BiLSTM的婚姻法自然语言问答 被引量：7

8

作者 刘依红 杨波 +2 位作者 孙宇宁 李伟 陈静 《计算机工程与设计》 北大核心 2019年第4期1190-1195,共6页

针对现有法律知识问答系统中未考虑文本中的深层语义关系,过分依靠关键字匹配的弊端,提出一种基于BiLSTM的婚姻法智能问答方法。基于婚姻法领域知识和POS-CBOW构建知识图谱;构造结合词性和NER等信息,通过TransR和word embedding构建问... 针对现有法律知识问答系统中未考虑文本中的深层语义关系,过分依靠关键字匹配的弊端,提出一种基于BiLSTM的婚姻法智能问答方法。基于婚姻法领域知识和POS-CBOW构建知识图谱;构造结合词性和NER等信息,通过TransR和word embedding构建问句的词向量,作为问答方法的输入;通过采用典型问答集和深度学习模型相结合的问答方法,训练双向LSTM深度学习模型,引入attention机制,智能化地进行法律问答并实现知识图谱的实时更新。同等参数下,与基于关键字、基于分类问题等方法进行对比,具有更好的自适应性和准确率。 展开更多

关键词 智能问答 知识图谱 双向长短时神经记忆网络 自然语言处理 婚姻法

下载PDF 职称材料

基于CNN-LSTM的机床滚动轴承性能退化趋势和寿命预测 被引量：2

9

作者 姜广君 杨金森 穆东明 《机床与液压》 北大核心 2024年第6期184-189,共6页

滚动轴承作为机床主轴的关键部件,其剩余寿命预测直接决定着整机设备的剩余寿命。若不能及时地预知滚动轴承的健康状态或损伤情况,不仅会影响维修策略的制定,还会造成级联故障,易造成机床灾难性的事故。针对大数据下滚动轴承振动信号的... 滚动轴承作为机床主轴的关键部件,其剩余寿命预测直接决定着整机设备的剩余寿命。若不能及时地预知滚动轴承的健康状态或损伤情况,不仅会影响维修策略的制定,还会造成级联故障,易造成机床灾难性的事故。针对大数据下滚动轴承振动信号的自适应故障特征提取和智能诊断问题,构建卷积神经网络和长短期记忆网络(CNN-LSTM)相结合的寿命预测模型,它可以避免人工参与的影响,实现网络的互补优势。对滚动轴承的退化状态以及剩余寿命进行预测,并与卷积神经网络(CNN)、长短时记忆神经网络(LSTM)进行对比实验。结果表明:所提方法CNN-LSTM有着较高的预测准确度。 展开更多

关键词 卷积神经网络 长短时神经网络 剩余寿命 滚动轴承

下载PDF 职称材料

基于多源异构气象数据融合的线路状态识别算法 被引量：1

10

作者 于玉宗 刘玉鹏 汲倩倩 《电子设计工程》 2024年第12期157-161,共5页

针对传统输电线路状态判断方法存在费时费力且准确率偏低的问题,文中在多源异构气象数据融合分析的基础上提出了一种输电线路状态判别算法。该算法由气象数据分析模块和输电线路故障判断模块组成,对于LSTM网络中存在超参数选择困难的问... 针对传统输电线路状态判断方法存在费时费力且准确率偏低的问题,文中在多源异构气象数据融合分析的基础上提出了一种输电线路状态判别算法。该算法由气象数据分析模块和输电线路故障判断模块组成,对于LSTM网络中存在超参数选择困难的问题,利用WOA算法进行自动优化,以实现对气象数据的特征提取。而输电线路故障判断模块使用航拍线路图像作为训练集,通过引入GAN网络完成训练,并采用AE网络进行改进,从而提升原网络的性能。在实验测试中,所提算法在数据处理层面的MAE仅为0.1159,其余多个测试指标也均优于对比算法,同时还可根据训练得到的多源数据特征来对当前线路状态进行准确预测,表明了该算法具有良好的综合性能与工程实践能力。 展开更多

关键词 多源异构数据 长短时神经网络 鲸鱼算法 条件对抗网络 自编码器 输电线路保护

下载PDF 职称材料

基于改进果蝇算法的LSTM在水质预测中的应用 被引量：4

11

作者 郭利进 许瑞伟 《长江科学院院报》 CSCD 北大核心 2023年第8期57-63,共7页

水质环境的实时变化和内部耦合导致难以实现水质高效准确的预测。为挖掘水质时间序列中的更多信息,同时提高预测模型的精度,提出一种溶解氧组合预测模型。首先将水质数据去耦合,进行时间序列分解,然后将分解后趋势分量、周期分量和余项... 水质环境的实时变化和内部耦合导致难以实现水质高效准确的预测。为挖掘水质时间序列中的更多信息,同时提高预测模型的精度,提出一种溶解氧组合预测模型。首先将水质数据去耦合,进行时间序列分解,然后将分解后趋势分量、周期分量和余项分量输入到长短时神经网络模型(LSTM)中进行预测,再针对LSTM网络初始化参数对预测性能的影响提出基于高斯函数的果蝇算法进行优化,最后将各分量的预测值重构为溶解氧浓度的预测值。以海河某3个河流断面的水质数据进行仿真检验,结果表明混合模型对3个站点溶解氧浓度预测效果好,误差小,泛化性强。 展开更多

关键词 水质预测 时间序列分解 果蝇算法 长短时神经网络 溶解氧

下载PDF 职称材料

基于长短时神经网络的城市需水量预测应用 被引量：5

12

作者 张薇薇 赵平伟 王景成 《净水技术》 CAS 2019年第A01期257-260,286,共5页

在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历... 在分析影响居民用水量相关性因素的基础上,采用长短时神经网络结合Encoder-Decoder方法建立城市需水量预测模型。长短时神经网络可以自动从时间序列的历史数据中抽取数据特征,避免了手动设计输入变量特征的繁琐,且可以采用更长时间的历史数据进行训练,充分考虑长期条件下不同天气、节假日的城市居民用水特征。Encoder-Decoder的网络结构模拟大脑对数据处理和做出决策的过程,适合多小时水量预测模型的构建。该模型应用于某地区需水量预测,取得了较高的预测精度,模型的适用性得到了有效验证。 展开更多

关键词 需水量预测 长短时神经网络 Encoder-Decoder

下载PDF 职称材料

基于递进预测法的锂电池剩余使用寿命预测

13

作者 吴铁洲 刘冉阳 +2 位作者 王飞年 汪少夫 梁梦君 《电源技术》 CAS 北大核心 2024年第12期2410-2418,共9页

针对锂离子电池剩余使用寿命(remaining useful life,RUL)预测精度低的问题,提出一种递进预测的方法。首先,使用训练集中放电容量和放电电压训练卷积神经网络(convolutional neural netwok,CNN)-长短期记忆网络(long short-term memory ... 针对锂离子电池剩余使用寿命(remaining useful life,RUL)预测精度低的问题,提出一种递进预测的方法。首先,使用训练集中放电容量和放电电压训练卷积神经网络(convolutional neural netwok,CNN)-长短期记忆网络(long short-term memory neural network,LSTM)模型,并应用于训练集得到预测循环寿命,完成初步预测。其次,使用双指数模型(double exponential model,DEM)从训练集中辨识与预测循环寿命最接近的电池参数,并作为均值函数输入高斯过程回归(Gaussian process regression,GPR)模型。最后,使用测试集的电池循环数和电池容量训练GPR模型,并用于RUL预测。实验结果表明,本方法在99%的置信水平下,平均绝对百分比误差在6%以内,准确率百分比在90%以上,证明了所提方法的可靠性。 展开更多

关键词 锂电池 剩余寿命预测 卷积神经网络 长短时神经网络 高斯过程回归

下载PDF 职称材料

基于并行计算的网络舆情数据分析方法研究

14

作者 韦芬 《电子设计工程》 2024年第2期31-35,共5页

随着各类社交平台规模的扩大,网络舆情对在校学生的影响也越来越大。而传统舆情数据分析系统仅能对少量舆情数据进行分析,无法快速、准确地处理当前海量的舆情数据。针对这一问题,文中通过对舆情数据进行特征识别,设计了一套基于Hadoop... 随着各类社交平台规模的扩大,网络舆情对在校学生的影响也越来越大。而传统舆情数据分析系统仅能对少量舆情数据进行分析,无法快速、准确地处理当前海量的舆情数据。针对这一问题,文中通过对舆情数据进行特征识别,设计了一套基于Hadoop架构的网络舆情数据分析系统。在该系统中,通过将CNN与BiLSTM加以融合来实现对舆情数据的分类识别,进而解决了单一算法无法获取文本上下文含义的问题。同时,该设计还将算法部署在Hadoop并行计算集群中,从而有效增加了数据的训练速度。实验结果表明,所提方法在所有对比算法中性能最优,且显著提升了算法的迭代速度,并可有效解决传统算法无法处理海量文本数据的缺陷。 展开更多

关键词 舆情数据分析 卷积神经网络 双向长短时神经网络 HADOOP 并行计算 大数据分析

下载PDF 职称材料

基于改进LSTM的多源绩效数据综合评估与预测模型设计 被引量：3

15

作者 王建琴 《电子设计工程》 2023年第6期34-38,共5页

传统绩效的评估与预测方法采取指标单一且覆盖面较窄,无法对医院绩效情况进行准确估计。针对上述不足,文中依托深度学习技术构建了多源绩效数据评估预测模型。根据DRG模型选取各项指标对传统LSTM网络进行改进,并采用双向网络提高了参数... 传统绩效的评估与预测方法采取指标单一且覆盖面较窄,无法对医院绩效情况进行准确估计。针对上述不足,文中依托深度学习技术构建了多源绩效数据评估预测模型。根据DRG模型选取各项指标对传统LSTM网络进行改进,并采用双向网络提高了参数迭代的准确度。同时通过引入注意力机制有效提升了权重因子的计算精确度,再建立三重残差网络实现了对数据的训练与预测。数据实验结果表明,所提算法在预测拟合度方面与实际结果最为接近,且其误差指标在对比算法中均为最优,从而证明了该算法具有较好的综合性能。 展开更多

关键词 绩效管理 绩效预测 长短时神经网络 DRG模型 注意力机制

下载PDF 职称材料

基于BiLSTM-LSSVM的螺杆转子铣削加工廓形预测

16

作者 李佳 孙兴伟 +3 位作者 赵泓荀 穆士博 刘寅 杨赫然 《组合机床与自动化加工技术》 北大核心 2024年第9期153-156,162,共5页

针对螺杆转子盘铣刀加工过程中的轮廓预测问题,提出了基于双向长短时神经网络-最小二乘支持向量机(BiLSTM-LSSVM)的螺杆廓形预测方法。首先,对加工过程中的振动信号进行采集并进行降噪预处理,降噪后的信号进行降采样处理随后输入BiLSTM... 针对螺杆转子盘铣刀加工过程中的轮廓预测问题,提出了基于双向长短时神经网络-最小二乘支持向量机(BiLSTM-LSSVM)的螺杆廓形预测方法。首先,对加工过程中的振动信号进行采集并进行降噪预处理,降噪后的信号进行降采样处理随后输入BiLSTM中进行时序预测;其次,对时序预测后的信号进行特征提取,将提取后的特征向量输入LSSVM进行廓形预测;最后,以五头螺杆为例通过正交实验对BiLSTM-LSSVM模型进行试验验证,并对预测廓形进行误差补偿实验。实验结果表明,提出的基于BiLSTM-LSSVM的螺杆廓形预测模型可对螺杆转子盘铣刀加工螺杆廓形进行准确预测,进而为螺杆转子加工廓形补偿提供支持。 展开更多

关键词 螺杆转子 长短时神经网络 最小二乘支持向量机 廓形预测

下载PDF 职称材料

基于SO-BiLSTM的高速公路交通事故持续时间预测

17

作者 何庆龄 刘静 +1 位作者 李珊 程瑞 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第10期97-105,共9页

为减少高速公路交通拥堵和事故伤亡程度及财产损失,提高事故持续时间预测结果精度和适用性,基于1362起高速公路交通事故数据,甄选16个高速公路交通事故持续时间影响因素作为特征变量。通过对连续特征变量统计分析和离散特征变量赋值后,... 为减少高速公路交通拥堵和事故伤亡程度及财产损失,提高事故持续时间预测结果精度和适用性,基于1362起高速公路交通事故数据,甄选16个高速公路交通事故持续时间影响因素作为特征变量。通过对连续特征变量统计分析和离散特征变量赋值后,构建基于SO-BiLSTM的高速公路交通事故持续时间预测模型。研究结果表明,事故持续时间大于120 min的路段内平均交通流量、平均车速和车速离差等均值最小,分别为27882 pcu/h、90.4 km/h和18.0 km/h;事故持续时间小于30 min的路段内大型车混入率均值最小,为34.0%;事故持续时间为[60,90)min的肇事者年龄均值最大,为45岁;事故持续时间大于120 min的肇事者驾龄均值最大,为91月。SO-BiLSTM模型的迭代次数和种群规模分别设置为40和30为最优,对应的事故持续时间预测结果MAPE值为8.9%,相较于PSO-Elman、BiLSTM-CNN、GA-BP和LSTM等降低1.7%~7.6%,且提高了事故持续时间大于120 min的预测结果精度。研究结果有助于制定高速公路交通事故疏解管控和应急救援措施,提升高速公路交通安全管理水平。 展开更多

关键词 交通工程 交通安全 高速公路 交通事故持续时间 蛇群优化算法 双向长短时神经网络

下载PDF 职称材料

基于筋骨假人和意图标注的躯干肌电预测结果校正

18

作者 王琦 周志勇 《计算机应用与软件》 北大核心 2024年第8期101-107,共7页

在人机交互领域,预测躯干肌电信号极具应用潜力。但手部操作、平衡条件等因素会导致躯干肌肉控制模式转换,破坏躯干基于运动信号和肌电信号间的映射关系,因此很难实现高精度躯干肌电预测。为实现对应意图的躯干肌电预测,在设定弯伸腰任... 在人机交互领域,预测躯干肌电信号极具应用潜力。但手部操作、平衡条件等因素会导致躯干肌肉控制模式转换,破坏躯干基于运动信号和肌电信号间的映射关系,因此很难实现高精度躯干肌电预测。为实现对应意图的躯干肌电预测,在设定弯伸腰任务内,测量一组部分椎旁肌肌电信号及运动信号,通过对多维椎旁肌肌电信号的多次两步聚类编码,将其转化为聚类编码号组成的动作向量,作为BiLSTM-CRF算法的输入,实现躯干肌肉动作的分时段标注,进而利用筋骨假人分别校正躯干肌电预测结果。预测校正结果可反映个体特征、躯干和手部动作意图。 展开更多

关键词 椎旁肌 动作意图 两步聚类 双向长短时神经网络 肌电

下载PDF 职称材料

大坝运行安全在线监控IPSO-LSTM模型研究

19

作者 戴霈霖 李艳玲 周子玉 《人民长江》 北大核心 2024年第12期229-236,共8页

构建合理在线监控模型是实时掌控大坝安全性态的重要保障。针对LSTM模型受多参数组合影响、最优参数泛化能力弱、人工选取参数难的问题,深入分析了学习率、分块尺寸、最大迭代次数和隐藏层单元数等关键参数对大坝安全在线监控模型精度... 构建合理在线监控模型是实时掌控大坝安全性态的重要保障。针对LSTM模型受多参数组合影响、最优参数泛化能力弱、人工选取参数难的问题,深入分析了学习率、分块尺寸、最大迭代次数和隐藏层单元数等关键参数对大坝安全在线监控模型精度的影响规律,提出了融合非线性惯性权重、收缩因子及柯西扰动项的粒子群优化改进算法(IPSO),并与LSTM模型耦合构建了针对大坝安全监控的IPSO-LSTM模型。工程校验表明:该模型能自动搜寻最优参数、精度高、鲁棒性强,适用于不同类型、不同长度的大坝安全监测数据序列,相对人工定参的LSTM模型误差至少能降低30%。相关经验可为大坝运行安全在线监控提供技术支持。 展开更多

关键词 大坝安全 监控模型 粒子群优化改进算法(IPSO) 长短时神经网络(LSTM) 自动寻优

下载PDF 职称材料

基于ARIMA结合ConvLSTM的燃气负荷预测 被引量：3

20

作者 海文龙 王亚慧 +1 位作者 宋洋 王怀秀 《微电子学与计算机》 2022年第1期62-70,共9页

燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种... 燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种基于自回归移动平均模型(ARIMA)与卷积长短时神经网络(ConvLSTM)结合的燃气负荷预测模型.首先,选取皮尔逊相关系数对燃气负荷数据进行分析,筛选与燃气负荷相关性强的变量作为模型的输入.其次,采用ARIMA模型去除数据的趋势性使其平稳化,利用ConvLSTM模型提取数据中的时空特征,并对ARIMA-ConvLSTM模型的参数进行寻优.最后,通过燃气负荷数据对模型进行训练和验证.实验结果表明,ARIMA-ConvLSTM模型的预测准确率为98.65%,在均方根误差、平均绝对误差、绝对误差百分比方面均优于ARIMA模型、ConvLSTM模型和CNN-LSTM并行组合模型. 展开更多

关键词 燃气负荷预测 自回归移动平均模型 卷积长短时神经网络 卷积神经网络 长短时记忆网络

下载PDF 职称材料