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
共找到5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：
基于长短期记忆网络汽轮机振动幅值预测
1
作者 段彩丽 呼浩 +4 位作者 郭前鑫 赵勇纲 马驰 张建生 郭晋东 《工业仪表与自动化装置》 2024年第2期118-123,142,共7页
火电机组的主轴振动幅值具有非线性,非平稳,时序相关,且与当前历史状态密不可分的特点,而实际火电厂所提取数据往往呈现无规则,长时间,数据量庞大的特点。提出了由麻雀搜索算法(SSA)进行优化的的长短期记忆网络(LSTM)相结合构建深度学... 火电机组的主轴振动幅值具有非线性,非平稳,时序相关,且与当前历史状态密不可分的特点,而实际火电厂所提取数据往往呈现无规则,长时间,数据量庞大的特点。提出了由麻雀搜索算法(SSA)进行优化的的长短期记忆网络(LSTM)相结合构建深度学习预测模型,对汽轮机主轴的振动幅值进行更高精度的预测模拟。相较于非时序神经网络模型和无优化时序神经网络模型预测性能大大提高。 展开更多
关键词 ssa-lstm 汽轮振动幅值 结合方法 高精度预测
下载PDF
基于SSA-LSTM神经网络的股票价格预测研究 被引量：1
2
作者 李新尧 《信息系统工程》 2023年第3期48-50,共3页
利用SSA降噪技术对沪深300指数股票价格进行降噪并建立LSTM模型,发现在预测性能方面,奇异谱分析能够进一步提高模型预测的精度,优化算法对于模型的优化或许也能间接提高模型的预测性能。通过将原始时间序列构建轨迹矩阵,将轨迹矩阵进行... 利用SSA降噪技术对沪深300指数股票价格进行降噪并建立LSTM模型,发现在预测性能方面,奇异谱分析能够进一步提高模型预测的精度,优化算法对于模型的优化或许也能间接提高模型的预测性能。通过将原始时间序列构建轨迹矩阵,将轨迹矩阵进行奇异值分解、重构,由此提取出时间序列中代表不同成分的信号,有效、准确地运用数学模型预测股票价格。 展开更多
关键词 ssa-lstm 股票 预测
下载PDF
基于等压升充电时间的镍镉蓄电池SOH预测 被引量：1
3
作者 孙宁 王升晖 +1 位作者 于天剑 代毅 《机车电传动》 北大核心 2022年第5期103-108,共6页
动车组镍镉蓄电池健康状态会影响列车运行安全,但由于动车组运行工况复杂,导致现有方法无法较好地在线监测电池健康状态。为研究蓄电池健康状态变化趋势和实现在线预测,假设蓄电池在通过充电机充电的过程中无放电过程。为此,提出基于等... 动车组镍镉蓄电池健康状态会影响列车运行安全,但由于动车组运行工况复杂,导致现有方法无法较好地在线监测电池健康状态。为研究蓄电池健康状态变化趋势和实现在线预测,假设蓄电池在通过充电机充电的过程中无放电过程。为此,提出基于等压升充电时间的蓄电池健康状态在线预测方法,该方法通过对基于移动电压窗口的等压升充电时间与蓄电池健康状态综合相关性分析以确定最佳的等压升电压区间(即充电起始电压与截止电压之间),再通过等压升电压区间提取最佳等压升充电时间作为长短期记忆网络模型输入,利用麻雀搜索算法对长短期记忆网络参数寻优,建立蓄电池健康状态预测模型,实现了蓄电池健康状态的在线预测。试验结果表明,相较于传统长短期记忆网络和反向传播神经网络,基于麻雀搜索算法优化长短期记忆网络的蓄电池健康状态预测模型具有更高的预测精度。 展开更多
关键词 动车组 镍镉蓄电池 SOH预测 等压升充电时间 ssa-lstm
下载PDF
基于SSA-LSTM模型的黄河水位预测研究 被引量：4
4
作者 王军 马小越 +1 位作者 张宇航 崔云烨 《人民黄河》 CAS 北大核心 2023年第9期65-69,共5页
黄河流域内的水资源分配和调度对于各个地区的经济发展和人民生活至关重要。为提高黄河水位预测精度,提出一种基于麻雀搜索算法(SSA)和长短期记忆(LSTM)网络融合的黄河水资源调度预测模型,即利用SSA算法优化LSTM模型的超参数后,对黄河... 黄河流域内的水资源分配和调度对于各个地区的经济发展和人民生活至关重要。为提高黄河水位预测精度,提出一种基于麻雀搜索算法(SSA)和长短期记忆(LSTM)网络融合的黄河水资源调度预测模型,即利用SSA算法优化LSTM模型的超参数后,对黄河水位进行预测。结果表明,SSA-LSTM模型的E_(MAP)(平均绝对百分比误差)、E_(RMS)(均方根误差)、E_(MA)(平均绝对误差)和R^(2)(拟合优度)分别为0.0063、0.0304、0.0247、0.9945。相较于层感知器(MLP)、LSTM对照模型,SSA-LSTM模型的E_(MAP)、E_(RMS)、E_(MA)明显减小,R^(2)有所提升。采用SSA算法自动进行参数选优的方式,可解决LSTM模型手动选择参数的难题。这种方法不仅大幅缩短模型训练时间,还能找到最优网络参数,从而发挥模型的最佳性能。利用SSA-LSTM模型预测黄河水位具有良好的准确性和鲁棒性,可以为黄河水资源调度提供依据。 展开更多
关键词 水资源调度 长短期记忆网络 麻雀搜索算法 ssa-lstm模型 深度学习 黄河
下载PDF
基于SSA-LSTM模型的消费者信心指数预测研究
5
作者 李希亮 陈亚娟 《统计理论与实践》 2022年第8期16-22,共7页
消费者信心指数(CCI)是反映居民消费意愿的宏观经济指标,具有非线性时变特征且发布时间存在滞后性。结合相关网络搜索数据,采用Lasso回归进行降维,引入麻雀搜索算法(SSA)对长短期记忆(LSTM)神经网络模型进行组合优化,通过构建SSA-LSTM... 消费者信心指数(CCI)是反映居民消费意愿的宏观经济指标,具有非线性时变特征且发布时间存在滞后性。结合相关网络搜索数据,采用Lasso回归进行降维,引入麻雀搜索算法(SSA)对长短期记忆(LSTM)神经网络模型进行组合优化,通过构建SSA-LSTM模型对我国CCI进行一年期的预测,并基于预测性能评价指标与LSTM模型进行对比分析。研究表明:构建的SSA-LSTM模型预测效果和预测精度显著优于LSTM基准模型且转折点预测能力强;同时,结合网络搜索数据对CCI进行预测时效性强,预测值比官方发布数据领先半个月左右,能够及时为宏观经济决策和相关政策制定提供有价值的参考。 展开更多
关键词 消费者信心指数 Lasso回归 ssa算法 ssa-lstm模型
下载PDF
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
使用帮助 返回顶部