期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于小波去噪和LSTM的Seq2Seq水质预测模型
被引量：
4
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
daubechies
5
LSTM
Seq2Seq模型
小波分析
深度学习
门楼水库
下载PDF
职称材料
水稻锌污染胁迫的光谱奇异性分析
被引量：
25
2
作者
刘美玲
刘湘南
+1 位作者
李婷
修丽娜
《农业工程学报》
EI
CAS
CSCD
北大核心
2010年第3期191-197,共7页
通过研究锌污染胁迫下水稻的光谱奇异性特征来诊断水稻锌污染水平。根据试验区水稻各个生长期的ASD实测高光谱数据和同步获取的作物与农田土壤重金属含量2a田间试验数据,利用Daubechies小波系中的"Db5"小波函数对锌污染胁迫...
通过研究锌污染胁迫下水稻的光谱奇异性特征来诊断水稻锌污染水平。根据试验区水稻各个生长期的ASD实测高光谱数据和同步获取的作物与农田土壤重金属含量2a田间试验数据,利用Daubechies小波系中的"Db5"小波函数对锌污染胁迫水稻的350～1300nm光谱波段进行5层小波分解,并利用奇异范围、奇异幅度和奇异指数等参数对水稻光谱奇异性进行定量计算与分析。结果表明,"Db5"小波函数分解的第5层小波系数能精准探测水稻光谱的奇异性,其奇异范围集中在480～850nm波段范围;奇异幅度从出苗期到分蘖期迅速增加,并达到最大值,在随后的分蘖期→拔节期→开花期→成熟期逐渐减少;奇异指数从出苗期→分蘖期→拔节期→开花期→成熟期逐渐增加;水稻叶片锌含量与奇异幅度及奇异指数之间存在较强的相关关系,其决定系数(R2)为0.8445,均方根误差(RMSE)为5.60。光谱奇异性能有效地诊断并定量分析水稻锌污染胁迫状况,从而为作物重金属污染胁迫监测提供重要参考。
展开更多
关键词
光谱学
小波变换
锌
污染胁迫
Db
5
小波
奇异参数
下载PDF
职称材料
题名
基于小波去噪和LSTM的Seq2Seq水质预测模型
被引量：
4
1
作者
袁梅雪
魏守科
孙铭
赵金东
机构
烟台大学计算机与控制工程学院
北京迪普迅智能信息技术有限公司
出处
《计算机系统应用》
2022年第6期38-47,共10页
基金
山东省自然科学基金(ZR2020MF148)。
文摘
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.
关键词
水质预测
小波去噪
daubechies
5
LSTM
Seq2Seq模型
小波分析
深度学习
门楼水库
Keywords
water quality prediction
wavelet denoising
daubechies
5
(db
5
)
long short-term memory(LSTM)
Seq2Seq models
wavelet analysis
deep learning
Menlou Reservoir
分类号
X52 [环境科学与工程—环境工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
水稻锌污染胁迫的光谱奇异性分析
被引量：
25
2
作者
刘美玲
刘湘南
李婷
修丽娜
机构
中国地质大学(北京)信息工程学院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2010年第3期191-197,共7页
基金
国家自然科学基金项目(40771155)
国家高技术研究发展计划(863项目)专项经费资助(2007AA12Z174)
文摘
通过研究锌污染胁迫下水稻的光谱奇异性特征来诊断水稻锌污染水平。根据试验区水稻各个生长期的ASD实测高光谱数据和同步获取的作物与农田土壤重金属含量2a田间试验数据,利用Daubechies小波系中的"Db5"小波函数对锌污染胁迫水稻的350～1300nm光谱波段进行5层小波分解,并利用奇异范围、奇异幅度和奇异指数等参数对水稻光谱奇异性进行定量计算与分析。结果表明,"Db5"小波函数分解的第5层小波系数能精准探测水稻光谱的奇异性,其奇异范围集中在480～850nm波段范围;奇异幅度从出苗期到分蘖期迅速增加,并达到最大值,在随后的分蘖期→拔节期→开花期→成熟期逐渐减少;奇异指数从出苗期→分蘖期→拔节期→开花期→成熟期逐渐增加;水稻叶片锌含量与奇异幅度及奇异指数之间存在较强的相关关系,其决定系数(R2)为0.8445,均方根误差(RMSE)为5.60。光谱奇异性能有效地诊断并定量分析水稻锌污染胁迫状况,从而为作物重金属污染胁迫监测提供重要参考。
关键词
光谱学
小波变换
锌
污染胁迫
Db
5
小波
奇异参数
Keywords
spectrscopy
wavelet transforms
Zinc
pollution stress
daubechies
5
wavelet
singularity parameters
分类号
S127 [农业科学—农业基础科学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于小波去噪和LSTM的Seq2Seq水质预测模型
袁梅雪
魏守科
孙铭
赵金东
《计算机系统应用》
2022
4
下载PDF
职称材料
2
水稻锌污染胁迫的光谱奇异性分析
刘美玲
刘湘南
李婷
修丽娜
《农业工程学报》
EI
CAS
CSCD
北大核心
2010
25
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
