期刊文献+
共找到172篇文章
< 1 2 9 >
每页显示 20 50 100
基于粒子群优化LSTM模型的管道应力预测方法 被引量:7
1
作者 吴泽民 周临风 冷建成 《压力容器》 北大核心 2021年第8期76-80,共5页
为了解决传统BP神经网络预测精度不高的问题,提出了一种基于粒子群优化(PSO)长短期记忆网络(LSTM)模型的管道应力趋势预测方法。在分析管道应力监测数据的基础上,利用LSTM模型对未来的应力发展趋势进行预测,进一步采用粒子群算法优化LST... 为了解决传统BP神经网络预测精度不高的问题,提出了一种基于粒子群优化(PSO)长短期记忆网络(LSTM)模型的管道应力趋势预测方法。在分析管道应力监测数据的基础上,利用LSTM模型对未来的应力发展趋势进行预测,进一步采用粒子群算法优化LSTM模型参数来提高预测精度,并基于均方根误差验证了PSO-LSTM模型的有效性,可为长期监测数据的趋势分析提供方法借鉴。 展开更多
关键词 长短期记忆网络(lstm) 粒子群优化(PSO) 管道应力预测 均方根误差
下载PDF
长短记忆神经网络在流行性感冒暴发预测中的应用 被引量:7
2
作者 陈亿雄 李苑 +1 位作者 刘小明 李淑珍 《江苏预防医学》 CAS 2019年第6期622-625,共4页
目的研究长短记忆神经网络模型(long-short term memory,LSTM)预测未来每周流行性感冒(流感)暴发趋势的可行性,以提高预测精度和工作效率。方法选取2007-2017年深圳市宝安区每周流感发病数,考虑到时间序列数据的自相关性和高频特征,基... 目的研究长短记忆神经网络模型(long-short term memory,LSTM)预测未来每周流行性感冒(流感)暴发趋势的可行性,以提高预测精度和工作效率。方法选取2007-2017年深圳市宝安区每周流感发病数,考虑到时间序列数据的自相关性和高频特征,基于深度学习思想构建长短记忆神经网络模型对流感暴发趋势进行预测,并使用5种方法对LSTM模型预测效果进行评估。结果深圳市宝安区流感报告周频率具有随机波动性和周期性特征,通过LSTM神经网络模型能够准确学习时间序列特征并用于外推预测。仿真结果表明,相比ARIMA模型、BP神经网络、小波神经网络(WNN)、广义回归神经网络(GRNN)和动态自回归神经网络(NARX),LSTM神经网络的拟合度更接近实际值,预测精度较高。结论在数据量大和非平稳及周期特征的情况下,深度学习的LSTM神经网络对流感的预测效果更好。 展开更多
关键词 传染病预测模型 流行性感冒(流感) 长短期记忆神经网络 深度学习
下载PDF
基于改进LSTM网络的空气质量指数预测 被引量:6
3
作者 史学良 李梁 赵清华 《统计与决策》 CSSCI 北大核心 2021年第16期57-60,共4页
文章主要研究空气质量指数(AQI)预测的问题,由于大气中含有PM_(2.5)、CO以及SO_(2)等多种污染物,数据进行分解,得到IMF分量和残余分量;又因为绝大多数的时间序列数据中既包含线性关系又包含非线性关系,而传统的LSTM网络针对线性数据可... 文章主要研究空气质量指数(AQI)预测的问题,由于大气中含有PM_(2.5)、CO以及SO_(2)等多种污染物,数据进行分解,得到IMF分量和残余分量;又因为绝大多数的时间序列数据中既包含线性关系又包含非线性关系,而传统的LSTM网络针对线性数据可能产生过拟合现象,为此提出改进的LSTM网络,以加强对线性关系的表示。实验结果表明,将EEMD与改进的LSTM网络相结合形成的组合预测模型比传统模型的泛化能力更强、预测精度更高。 展开更多
关键词 空气质量指数 长短时记忆神经网络 集合经验模态分解 固有模态分量
下载PDF
BDS精密钟差短期预报 被引量:2
4
作者 王建敏 毕祥鑫 黄佳鹏 《导航定位学报》 CSCD 2023年第1期30-38,共9页
针对传统单一预报模型在钟差预报中误差积累随时间的增加而增大问题,提出一种灰度模型GM(1,1)与长短时记忆神经网络模型(LSTM)的组合模型:采用武汉大学国际全球卫星导航系统服务组织(IGS)数据中心下载的北斗卫星导航系统(BDS)3种轨道不... 针对传统单一预报模型在钟差预报中误差积累随时间的增加而增大问题,提出一种灰度模型GM(1,1)与长短时记忆神经网络模型(LSTM)的组合模型:采用武汉大学国际全球卫星导航系统服务组织(IGS)数据中心下载的北斗卫星导航系统(BDS)3种轨道不同卫星连续2 d的精密钟差数据进行建模,首先用GM(1,1)模型进行预报,然后将GM(1,1)模型的残差利用LSTM神经网络模型进行再次预报;将2种模型的预报结果进行重构,得到最终的预报结果。实验结果表明:GM(1,1)/LSTM组合模型与单一GM(1,1)模型相比,精度提高了60%~89%;GM(1,1)/LSTM组合模型与单一LSTM神经网络相比,精度提升了30%~88%。 展开更多
关键词 钟差预报 灰度模型(GM(1 1)) 长短时记忆神经网络模型(lstm) 组合模型
下载PDF
基于多模态神经网络生成图像中文描述 被引量:2
5
作者 陈兴 《计算机系统应用》 2020年第9期191-197,共7页
自动生成图片描述是自然语言处理和计算机视觉的热点研究话题,要求计算机理解图像语义信息并用人类自然语言的形式进行文字表述.针对当前生成中文图像描述整体质量不高的问题,提出首先利用FastText生成词向量,利用卷积神经网络提取图像... 自动生成图片描述是自然语言处理和计算机视觉的热点研究话题,要求计算机理解图像语义信息并用人类自然语言的形式进行文字表述.针对当前生成中文图像描述整体质量不高的问题,提出首先利用FastText生成词向量,利用卷积神经网络提取图像全局特征;然后将成对的语句和图像〈S,I〉进行编码,并融合为两者的多模态特征矩阵;最后模型采用多层的长短时记忆网络对多模态特征矩阵进行解码,并通过计算余弦相似度得到解码的结果.通过对比发现所提模型在双语评估研究(BLEU)指标上优于其他模型,生成的中文描述可以准确概括图像的语义信息. 展开更多
关键词 图像中文描述 FastText语言模型 卷积神经网络 长短时记忆网络
下载PDF
基于深度学习的动态手势识别方法 被引量:1
6
作者 周勇 吴震宇 《计算机时代》 2023年第5期77-80,共4页
手势识别作为人机交互的一个重要领域,是目前视觉研究的重点和热门。不同于图像研究,本文针对红外传感器采集到的手势动作数据,提出一种基于深度学习的手势识别方法。该方法通过红外传感器采集7种动态手势信号数据,使用不同网络模型对... 手势识别作为人机交互的一个重要领域,是目前视觉研究的重点和热门。不同于图像研究,本文针对红外传感器采集到的手势动作数据,提出一种基于深度学习的手势识别方法。该方法通过红外传感器采集7种动态手势信号数据,使用不同网络模型对手势进行分类。实验表明,若只使用卷积神经网络(CNN)或长短期记忆网络(LSTM)单个网络模型的手势识别,准确率最高为92.7%;而CNN-LSTM混合网络模型平均手势识别准确率为99.1%。 展开更多
关键词 手势识别 深度学习 卷积神经网络 长短期记忆网络
下载PDF
基于深度学习的水下井口弯曲应力预测方法 被引量:1
7
作者 王金龙 李凡鹏 +3 位作者 胡鹏基 刘兆伟 刘秀全 盛磊祥 《石油机械》 北大核心 2023年第8期64-72,共9页
水下井口系统是海洋油气勘探开发的关键装备,为保证其在钻完井作业过程中的安全性,水下井口系统的疲劳状态监测成为保障安全的重要手段,水下井口的弯曲应力预测是基于监测数据疲劳损伤评估的重要内容。为此,提出了一种基于深度学习的水... 水下井口系统是海洋油气勘探开发的关键装备,为保证其在钻完井作业过程中的安全性,水下井口系统的疲劳状态监测成为保障安全的重要手段,水下井口的弯曲应力预测是基于监测数据疲劳损伤评估的重要内容。为此,提出了一种基于深度学习的水下井口系统弯曲应力预测方法,该方法使用防喷器处的加速度监测数据预测水下井口系统的弯曲应力。根据设计海况矩阵进行隔水管-水下井口系统动力响应分析,以分析得到的时序数据为基础,利用长短期记忆网络(LSTM)建立水下井口系统弯曲应力预测模型,最后对预测模型进行验证。研究结果表明,提出的水下井口系统弯曲应力预测模型得到的预测值准确度较高,相对误差低于0.2%,决定系数大于0.999。该弯曲应力预测方法可为水下井口疲劳损伤评估提供支撑。 展开更多
关键词 水下井口 深度学习 长短期记忆网络 疲劳监测 弯曲应力预测
下载PDF
基于多分辨奇异值分解和ECNN-LSTM的滚动轴承寿命预测 被引量:1
8
作者 熊隽 陈林 王上庆 《机械强度》 CAS CSCD 北大核心 2021年第3期523-530,共8页
针对现有滚动轴承剩余寿命预测时寿命特征表征能力不足的问题,提出了多分辨奇异值分解和ECNN-LSTM的滚动轴承剩余寿命预测方法。首先,采用多分辨奇异值分解方法获取滚动轴承全寿命振动时域信号中具有不同分辨率的近似和细节信号,以多分... 针对现有滚动轴承剩余寿命预测时寿命特征表征能力不足的问题,提出了多分辨奇异值分解和ECNN-LSTM的滚动轴承剩余寿命预测方法。首先,采用多分辨奇异值分解方法获取滚动轴承全寿命振动时域信号中具有不同分辨率的近似和细节信号,以多分辨展现信号不同层次的概貌和细节特征;其次,根据初时刻标准差划分健康阶段,划分出滚动轴承平稳运行阶段和能提供退化信息的快速退化阶段;然后,在两层一维卷积神经网络结构上加入高效通道注意力机制模块,在不降维的情况下自适应调整卷积核进行多通道交互,充分自提取轴承退化特征;最后,利用MSE损失函数统一评价尺度,在LSTM上完成剩余寿命预测。通过辛辛那提全寿命数据进行验证,证明了所提方法的可行性和有效性。 展开更多
关键词 滚动轴承 剩余寿命预测 高效通道注意力机制 多分辨奇异值分解 长短时记忆网络(lstm)
下载PDF
基于LSTM的智能车变道预测研究 被引量:1
9
作者 伍淑莉 尹慧琳 +1 位作者 王杰 王亚伟 《信息通信》 2019年第5期7-11,共5页
文章基于循环神经网络RNN(Recurrent Neural Network)和长短时记忆网络LSTM(Long-Short Term Memory)的理论研究,提出了一种基于LSTM的智能车变道行为预测模型。首先,搭建LSTM网络模型框架;然后根据人类驾驶场景对真实数据集NGSIM(Next ... 文章基于循环神经网络RNN(Recurrent Neural Network)和长短时记忆网络LSTM(Long-Short Term Memory)的理论研究,提出了一种基于LSTM的智能车变道行为预测模型。首先,搭建LSTM网络模型框架;然后根据人类驾驶场景对真实数据集NGSIM(Next Generation Simulation)进行特征选择与数据提取。最后使用长短时记忆网络(LSTM)模型进行训练,测试车辆变道预测结果,并将结果与利用RNN模型预测的结果进行比较,验证了本文方法的有效性。 展开更多
关键词 lstm 变道预测 智能车 NGSIM
下载PDF
基于GF-LSTM的铁路边坡位移预测研究
10
作者 景自强 《路基工程》 2023年第3期181-186,共6页
为提高边坡位移预测的精度,提出一种融合Gaussian-filter算法与LSTM预测算法的GF-LSTM混合预测模型,依托某铁路边坡工程监测数据进行验证分析。结果表明:GF-LSTM模型不仅能对原始监测数据集进行预处理,还能提供精准的预测结果;GF-LSTM... 为提高边坡位移预测的精度,提出一种融合Gaussian-filter算法与LSTM预测算法的GF-LSTM混合预测模型,依托某铁路边坡工程监测数据进行验证分析。结果表明:GF-LSTM模型不仅能对原始监测数据集进行预处理,还能提供精准的预测结果;GF-LSTM预测模型可很好地反映边坡位移的上下波动,所得的预测值与实测值整体趋势贴合、相关性极高,R2分别为0.915、0.908,均大于0.900;由降噪前后对比可知:两测点R2分别增加了0.143、0.185,而MAE和MAPE分别降低了0.104与0.874%、0.246与0.755%,表明降噪处理后各测点的预测精度和预测误差得到改善。 展开更多
关键词 铁路边坡 混合预测模型 降噪处理 位移预测 长短期记忆网络
下载PDF
基于LSTM网络的水分天平零点误差补偿方法 被引量:1
11
作者 毛翊涵 林海军 +1 位作者 吴天昊 徐雄 《电子测量与仪器学报》 CSCD 北大核心 2022年第1期36-43,共8页
零点误差是衡量水分天平的重要指标,其直接影响水分天平的称重准确度。提出了一种基于长短期记忆(LSTM)网络的水分天平零点误差补偿方法,分析了水分天平零点误差机理,使用历史零点误差数据建立基于双层LSTM长短期记忆网络的零点误差预... 零点误差是衡量水分天平的重要指标,其直接影响水分天平的称重准确度。提出了一种基于长短期记忆(LSTM)网络的水分天平零点误差补偿方法,分析了水分天平零点误差机理,使用历史零点误差数据建立基于双层LSTM长短期记忆网络的零点误差预测模型,采用空载与加载载荷时两种情况分别进行补偿。利用该模型对200 g/1 mg的水分天平进行现场补偿验证,结果表明,补偿后的水分天平在空载和加载载荷时,最大示值误差约为6 mg,远小于补偿前的示值误差,证实了这种方法的有效性。 展开更多
关键词 水分天平 零点误差 长短期记忆网络 误差补偿
下载PDF
基于智能算法的云南甘蔗产量预测
12
作者 王泳智 田鹏 +5 位作者 李富生 孙吉红 孙陈 刘振洋 刘念 钱晔 《湖北农业科学》 2024年第8期126-131,146,共7页
构建基于智能算法的甘蔗产量预测模型,对云南省8个甘蔗产区甘蔗产量进行预测。选取云南省临沧市、德宏傣族景颇族自治州、普洱市、文山壮族苗族自治州、红河哈尼族彝族自治州、保山市、西双版纳傣族自治州、玉溪市2000—2020年每日的气... 构建基于智能算法的甘蔗产量预测模型,对云南省8个甘蔗产区甘蔗产量进行预测。选取云南省临沧市、德宏傣族景颇族自治州、普洱市、文山壮族苗族自治州、红河哈尼族彝族自治州、保山市、西双版纳傣族自治州、玉溪市2000—2020年每日的气象、土壤数据及产量数据,通过专家打分法初步筛选对甘蔗产量影响较大的气象、土壤因子,应用逐步回归分析算法筛选甘蔗生长周期内的气候、土壤关键影响因子。在数据集划分和筛选关键影响因子的基础上,以每年气象、土壤因子作为输入变量,以每年甘蔗产量为输出变量,建立了BP神经网络产量预测模型。以每日和每年的气象、土壤因子作为输入向量,以甘蔗产量为输出变量,建立了长短期记忆网络(LSTM)神经网络产量预测模型。测试集结果表明,BP神经网络模型决定系数(R^(2))为0.916、平均绝对误差(MAE)为28.65万t、均方根误差(RMSE)为40.83万t,LSTM神经网络模型R^(2)为0.978、MAE为16.04万t、RMSE为20.72万t。LSTM神经网络模型预测精度高,模型性能优良,能较好地预测云南省甘蔗产量。 展开更多
关键词 智能算法 甘蔗 BP神经网络 长短期记忆网络(lstm)神经网络 产量预测 云南省
下载PDF
基于注意力机制的CNN-LSTM模型及其应用 被引量:64
13
作者 李梅 宁德军 郭佳程 《计算机工程与应用》 CSCD 北大核心 2019年第13期20-27,共8页
时序数据存在时序性,并且其短序列的特征存在重要程度差异性。针对时序数据特征,提出一种基于注意力机制的卷积神经网络(CNN)联合长短期记忆网络(LSTM)的神经网络预测模型,融合粗细粒度特征实现准确的时间序列预测。该模型由两部分构成... 时序数据存在时序性,并且其短序列的特征存在重要程度差异性。针对时序数据特征,提出一种基于注意力机制的卷积神经网络(CNN)联合长短期记忆网络(LSTM)的神经网络预测模型,融合粗细粒度特征实现准确的时间序列预测。该模型由两部分构成:基于注意力机制的CNN,在标准CNN网络上增加注意力分支,以抽取重要细粒度特征;后端为LSTM,由细粒度特征抽取潜藏时序规律的粗粒度特征。在真实的热电联产供热数据上的实验表明,该模型比差分整合移动平均自回归、支持向量回归、CNN以及LSTM模型的预测效果更好,对比目前企业将预定量作为预测量的方法,预测缩放误差平均值(MASE)与均方根误差(RMSE)指标分别提升了89.64%和61.73%。 展开更多
关键词 注意力机制 卷积神经网络(CNN) 长短期记忆网络(lstm) 时间序列 负荷预测
下载PDF
基于深度学习长短期记忆网络结构的地铁站短时客流量预测 被引量:34
14
作者 李梅 李静 +2 位作者 魏子健 王思达 陈赖谨 《城市轨道交通研究》 北大核心 2018年第11期42-46,77,共6页
准确预测地铁站短时客流量,有助于提前开展安全预警工作,快速做出人员疏导方案。根据上海轨道交通2016年3月2. 4亿条刷卡数据,以及该时间段的天气数据,利用Pearson相关分析法提取了客流量的7个外部天气影响因子,以及3个基于历史数据的... 准确预测地铁站短时客流量,有助于提前开展安全预警工作,快速做出人员疏导方案。根据上海轨道交通2016年3月2. 4亿条刷卡数据,以及该时间段的天气数据,利用Pearson相关分析法提取了客流量的7个外部天气影响因子,以及3个基于历史数据的内部影响因子。通过对数据的分析,综合考虑工作日、非工作日和高峰时段对客流的影响,提取2个内部显著影响因子。以上海轨道交通莘庄站为例,提出了一种基于深度学习长短期记忆(LSTM)网络结构的地铁站短时客流预测方法。最后,将预测结果与典型时间序列预测算法MLR(多元线性回归)和BP(反向传播)神经网络进行对比,验证了LSTM网络在地铁站短时客流量预测中具有更高的准确性和很好的适用性。 展开更多
关键词 地铁站 短时客流量预测 深度学习 长短期记忆网络
下载PDF
基于RDSNet的毫米波雷达人体跌倒检测方法 被引量:29
15
作者 元志安 周笑宇 +3 位作者 刘心溥 卢大威 邓彬 马燕新 《雷达学报(中英文)》 CSCD 北大核心 2021年第4期656-664,共9页
随着人口老龄化的到来,跌倒检测逐渐成为研究热点。针对基于毫米波雷达的人体跌倒检测应用,该文提出了一种融合卷积神经网络和长短时记忆网络的距离多普勒热图序列检测网络(RDSNet)模型。首先通过卷积神经网络对距离多普勒热图进行特征... 随着人口老龄化的到来,跌倒检测逐渐成为研究热点。针对基于毫米波雷达的人体跌倒检测应用,该文提出了一种融合卷积神经网络和长短时记忆网络的距离多普勒热图序列检测网络(RDSNet)模型。首先通过卷积神经网络对距离多普勒热图进行特征提取得到特征向量,然后将动态序列对应的特征向量序列依次输入长短时记忆网络,进而学习得到热图序列的时间相关性信息,最后通过分类器网络得到检测结果。利用毫米波雷达采集了不同对象的多种人体动作,构建了距离多普勒热图数据集。对比试验表明,所提出的RDSNet网络模型检测准确率可达到96.67%,计算时延小于50 ms,而且具有良好的泛化能力,可为跌倒检测和人体姿态识别提供新的技术思路。 展开更多
关键词 毫米波雷达 跌倒检测 距离多普勒 卷积神经网络 长短时记忆网络
下载PDF
长短期记忆网络在中长期径流预报中的应用 被引量:24
16
作者 陶思铭 梁忠民 +2 位作者 陈在妮 曲田 胡义明 《武汉大学学报(工学版)》 CAS CSCD 北大核心 2021年第1期21-27,共7页
长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题。以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构... 长短期记忆神经网络(long-short term memory neural network,LSTM)是一种适合模拟与预测时间序列长程变化的神经网络,可用于研究中长期水文预报问题。以黄河源区唐乃亥流域为研究区域,根据2000-2009年的日降雨量、蒸发量和流量资料,构建了未来30 d的逐日流量LSTM预报模型,并以2010-2012年的资料进行验证。采用相对误差绝对值平均、确定性系数为评价指标,将LSTM与传统的误差反向传播(back propagation,BP)算法模型进行对比。结果表明,LSTM模型具有精度高、预报效果稳定等特点,特别是随着预见期的增长其精度衰减较BP模型明显变缓。研究成果可供研究区径流中长期预测提供参考。 展开更多
关键词 长短期记忆神经网络 BP神经网络 中长期径流预报 唐乃亥流域
原文传递
基于谱聚类和LSTM神经网络的电动公交车充电负荷预测方法 被引量:24
17
作者 王哲 万宝 +4 位作者 凌天晗 董晓红 穆云飞 邓友均 唐舒懿 《电力建设》 CSCD 北大核心 2021年第6期58-66,共9页
目前电动公交车的渗透率较大,且充电频率和充电量较高,故而其充电负荷对电网运行与调度产生着不可忽略的影响。因此,电动公交车的充电负荷预测研究具有重要的理论与现实意义,但由于公交车间歇性与随机性的充电行为在时间上给充电负荷预... 目前电动公交车的渗透率较大,且充电频率和充电量较高,故而其充电负荷对电网运行与调度产生着不可忽略的影响。因此,电动公交车的充电负荷预测研究具有重要的理论与现实意义,但由于公交车间歇性与随机性的充电行为在时间上给充电负荷预测增加了难度。为此,提出基于谱聚类和长短期记忆(long short-term memory,LSTM)神经网络的电动公交车充电负荷预测方法。首先,利用考虑距离与形态的谱聚类,对充电负荷曲线进行聚类;其次,综合考虑影响充电负荷的关键因素,如温度、日类型等,利用不同簇的总充电负荷,分别训练LSTM神经网络的模型参数,并预测每簇的充电负荷;接着,对不同簇的预测结果求和即可得到预测日的总充电负荷;最后,通过利用某市实际数据,验证本文所提方法。结果表明,所提方法充电负荷预测结果的平均绝对百分误差(mean absolute percentage error,MAPE)在11%以下,预测准确度有所提升。 展开更多
关键词 谱聚类 长短期记忆网络(lstm) 电动公交车 负荷预测
原文传递
一种基于模糊长短期神经网络的移动对象轨迹预测算法 被引量:21
18
作者 李明晓 张恒才 +3 位作者 仇培元 程诗奋 陈洁 陆锋 《测绘学报》 EI CSCD 北大核心 2018年第12期1660-1669,共10页
预测移动对象未来某时刻位置能够为城市规划与管理、城市公共安全、城市应急指挥等提供重要的决策依据,也可为个性化信息推荐、广告定投等基于位置的服务应用提供技术支持。已有预测算法多采用固定格网剖分,位置相近轨迹点常被划分至不... 预测移动对象未来某时刻位置能够为城市规划与管理、城市公共安全、城市应急指挥等提供重要的决策依据,也可为个性化信息推荐、广告定投等基于位置的服务应用提供技术支持。已有预测算法多采用固定格网剖分,位置相近轨迹点常被划分至不同格网,使得潜在轨迹模式被忽略,降低了预测精度。此外,已有预测模型不能有效学习到长序列轨迹有效信息,造成长期依赖问题。本文提出一种基于模糊长短时记忆神经网络(fuzzy long short term memory network,Fuzzy-LSTM)模型的移动对象轨迹预测算法,引入模糊轨迹概念解决固定格网剖分所导致的尖锐边界问题,并对传统LSTM进行改进,综合利用移动对象历史轨迹邻近性和周期性出行特征,提高移动对象轨迹位置预测精度。最后,采用某市10万用户连续15个工作日的移动通讯信令轨迹数据集对方法进行试验分析。结果表明,本文方法在30min预测周期内的预测平均准确率达到83.98%,较经典的Na6ve-LSTM预测模型和NLPMM预测模型分别提高了4.36%和6.95%。 展开更多
关键词 位置预测 模糊空间划分 lstm 轨迹数据挖掘 深度学习
下载PDF
基于CEEMDAN和TCN-LSTM模型的短期电力负荷预测 被引量:18
19
作者 赵星宇 吴泉军 朱威 《科学技术与工程》 北大核心 2023年第4期1557-1564,共8页
针对短期电力负荷数据随机性强,难以实现准确预测的问题,提出了一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和时间卷积网络-长短期记忆网络(temporal convol... 针对短期电力负荷数据随机性强,难以实现准确预测的问题,提出了一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和时间卷积网络-长短期记忆网络(temporal convolutional network-long short-term memory network,TCN-LSTM)混合模型的预测方法。所提算法先使用CEEMDAN方法将负荷数据分解为一系列相对平稳的子序列。同时为了降低后续计算规模,通过引入排列熵的方法将各子序列进行重组。然后,将各个重组序列输入到TCN-LSTM组合模型中,利用TCN模型提取特征并构建序列的特征向量,再基于LSTM模型对其进行训练及预测。最后把全部预测值进行相加得到完整的预测负荷值。通过使用欧洲某地真实负荷数据进行验证。结果表明:所提算法与其他常见的预测算法相比具有更高的预测精度,可为负荷预测等研究工作提供相关参考。 展开更多
关键词 自适应噪声的完备集合经验模态分解(CEEMDAN) 排列熵 时间卷积网络(TCN) 长短期记忆网络(lstm) 短期电力负荷预测
下载PDF
基于深度学习的海上目标一维序列信号目标检测方法 被引量:18
20
作者 苏宁远 陈小龙 +2 位作者 关键 黄勇 刘宁波 《信号处理》 CSCD 北大核心 2020年第12期1987-1997,共11页
当前海面目标检测方法多基于统计理论,检测性能受背景统计特性假设的影响,本文从信号预测和特征分类两个角度,分别采用长短时记忆网络(LSTM)和卷积神经网络(CNN)对信号时间序列幅度信息进行处理,用于海上目标一维序列雷达信号检测,该方... 当前海面目标检测方法多基于统计理论,检测性能受背景统计特性假设的影响,本文从信号预测和特征分类两个角度,分别采用长短时记忆网络(LSTM)和卷积神经网络(CNN)对信号时间序列幅度信息进行处理,用于海上目标一维序列雷达信号检测,该方法不需事先假设背景统计特性,泛化能力更强。基于LSTM序列预测的目标检测方法通过用海杂波信号幅度时间序列对网络进行训练,再用训练后的网络对后续序列进行预测,并与后续实测信号进行比较,实现目标检测。基于CNN序列分类的目标检测方法中采用截取的海杂波信号和目标信号幅度序列作为数据集样本,对一维卷积核CNN进行训练,使其具有识别目标杂波信号特征能力,从而实现目标检测。最后,采用IPIX和CSIR实测海杂波数据对两种方法进行验证,结果表明两种方法均可实现一维序列信号中海面目标的检测,但LSTM预测方法对于长序列检测的实时性有待于进一步提高;CNN分类方法可实现实时检测,但仅利用信号幅度信息,检测性能仍需进一步提升。 展开更多
关键词 雷达目标检测 深度学习 卷积神经网络(CNN) 长短时记忆网络(lstm) 海杂波
下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部