国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 152 条结果

基于LSTM的列车测速测距设备故障诊断北大核心CSCDCSTPCD
作者：付文秀李弘扬靳东明
发表期刊：北京交通大学学报 2020年2期
关键词：车载测速测距设备故障诊断LSTM神经网络Apriori算法
摘要：列车测速测距设备是列车运行控制系统的重要组成部分,也是故障率较高的设备之一.针对测速测距设备故障诊断自动化程度低的问题,提出一种基于LSTM(Long Short-Term Memory)神经网络的列车测速测距设备故障诊断方法,利用自适应最小支持度的加权Apriori算法从测速测距设备的时间序列中提取与故障分类关联度高的时间序列,构建故障数据集;利用LSTM神经网络对故障进行分类对比,测试结果表明:在以时间序列为故障特征的条件下,LS…查看全部>>
一种基于时间序列的配电网物资预测方法
作者：赵深程栋陈勇杰贾雍
发表期刊：浙江电力 2020年4期
关键词：物资预测标包时间序列LSTM神经网络指数平滑法Croston算法
摘要：在国家电网当下背景与发展要求下,针对电网物资库存的管理现状,迫切需要对物资需求进行精准预测.以目前的电网数据条件、数据挖掘技术条件为基础进行可行性研究验证;最后通过时间序列、LSTM神经网络等算法对物资领用历史数据进行建模分析,得到一种有效的物资预测研究方法.
LSTM神经网络在太阳F10.7射电流量中期预报中的应用北大核心CSCDCSTPCD
作者：杨旭朱亚光杨升高王西京钟秋珍
发表期刊：空间科学学报 2020年2期
关键词：F10.7LSTM神经网络中期预报
摘要：F10.7指数作为大气密度经验模型的重要输入参量,其预报精度直接影响航天器轨道预报精度.研究发现,太阳活动表现出长时间尺度上平均11年和中短时间尺度平均27天的周期性变化特征.依据这一观测事实,基于长短期记忆单元(Long Short-term Memory,LSTM)递归神经网络方法进行F10.7指数未来27天的中期预报.利用一个连续长时段F0.7数据作为训练数据,构建LSTM神经网络训练和预测模型,分别预测太阳活动高低年未来27天…查看全部>>
主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧北大核心CSCDCSTPCD
作者：陈英义程倩倩方晓敏于辉辉李道亮
发表期刊：农业工程学报 2018年17期
关键词：水产养殖溶解氧预测主成分分析LSTM神经网络循环神经网络
摘要：为了提高水产养殖溶解氧预测的精度,提出了基于主成分分析(principal component analysis,PCA)和长短时记忆神经网络(long short-term memory,LSTM)的水产养殖溶解氧预测模型.首先通过主成分分析提取水产养殖溶解氧的关键影响因子,消除了原始变量之间的相关性,降低了模型输入向量维度;然后,在Tensorflow深度学习框架的基础上建立LSTM神经网络的水产养殖溶解氧预测模型;最后,利用该模…查看全部>>
基于LSTM的活立木茎干水分缺失数据填补方法北大核心CSCDCSTPCD
作者：宋维高超赵玥赵燕东
发表期刊：林业科学 2020年2期
关键词：缺失数据数据填补时间序列LSTM神经网络茎体水分
摘要：[目的]研究植物茎体水分数据,针对相同数据段上的缺失数据,对比不同数据填补方法,验证LSTM模型填补茎干水分数据的有效性及准确性.[方法]选取2017年6月份栽种在北京市海淀区的紫薇树茎体水分完整数据,人工删去部分数据作为缺失数据,分别使用插值方法、RNN神经网络、LSTM神经网络对缺失部分进行填补,填补结果与原始数据比对并分析结果.基于神经网络预测值误差随预测时刻推后而增大的误差分布情况,本文提出了在神经网络预测值基础上加入对数据后…查看全部>>
基于Prophet-LSTM模型的PM2.5浓度预测研究
作者：王晓飞王波陆玉玉张胜彬
发表期刊：软件导刊 2020年3期
关键词：PM2.5浓度预测Prophet模型LSTM神经网络可分解方法
摘要：作为衡量空气质量的重要指标,准确预测PM2.5浓度变化尤为重要.提出Prophet和长短期记忆(LSTM)相结合的组合预测模型(Prophet-LSTM).在模型构建过程中,首先利用Prophet模型的可分解方法,将PM2.5日值浓度序列分解成趋势、周期和随机波动分量;然后对趋势和周期分量建立Prophet模型,对随机波动分量建立LSTM模型;最后将各分量的预测值集成得到PM2.5浓度的预测值.以郑州市PM2.5日值浓度数据为例进行实…查看全部>>
地源热泵系统能耗预测及实例验证研究
作者：钟寒露朱尧星徐成良陈焕新
发表期刊：制冷技术 2020年1期
关键词：地下水源热泵系统LSTM神经网络神经网络能耗预测
摘要：本文以某办公大楼的地下水源热泵系统为研究对象,在夏季对该系统的运行功率及其他运行数据进行监控和数据统计,将此数据作为能耗预测的样本数据.针对传统预测模型无法兼顾负荷数据的时序和非线性的问题,提出了基于长短期记忆神经网络(LSTM)能耗预测模型,并与神经网络模型进行预测性能的比较.结果表明,LSTM模型预测值的两个误差评价指标,即均方根误差(RMSE)和平均绝对误差(MSE)分别为13.6292和6.3105;神经网络模型的RMSE和M…查看全部>>
基于ARIMA-LSTM组合模型的人参价格预测
作者：方涛
发表期刊：新一代信息技术 2020年21期
关键词：计算机应用技术价格预测ARIMALSTM神经网络组合模型
摘要：针对人参价格波动较大,受生长周期、需求周期、季节变化、政策等多重因素影响从而导致其变化没有规律的特点,提出一种基于ARIMA-LSTM组合模型对人参的价格进行预测.人参的价格数据是一种包含线性、非线性成分的价格序列,单一模型难以对其进行准确的分析和预测,针对人参价格的线性特性,本文使用ARIMA(Auto-Regressive Integrated Moving Average,整合自回归移动平均)模型对其进行分析预测,ARIMA模型…查看全部>>
深度学习预测GPS时间序列在探索门源Ms6.4地震前兆中的应用北大核心CSCDCSTPCD
作者：陈善鹏尹玲梁诗明胡向阳余小燕
发表期刊：大地测量与地球动力学 2020年12期
关键词：门源地震GPS时间序列LSTM神经网络前兆异常
摘要：以2016-01-21门源Ms6.4地震为例,提出用深度学习预测的GPS时间序列研究地震前兆.用震中附近门源台(QHME)、民乐台(GSML)及古浪台(GSGL)无震时的GPS时间序列训练LSTM神经网络,得到高精度的GPS时间序列预测模型,再分别对该地区无震时和地震前一段时间的GPS时间序列进行回溯性预测.对比预测时间序列与真实时间序列发现,震前2条时间序列大部分的相似性指标比无震时低,说明震前预测时间序列与真实时间序列差异明显,同…查看全部>>
基于多模态的音乐推荐系统CSTPCD
作者：龚志邵曦
发表期刊：南京信息工程大学学报 2019年1期
关键词：音乐推荐协同过滤LDA主题模型多模态融合LSTM神经网络
摘要：使用传统协同过滤的方式进行推荐往往会忽视音乐底层特征.通过将音乐的音频特征与歌词信息进行多模态融合,并将融合后的特征信息作为协同过滤推荐的补充,提出了一种基于多模态的音乐推荐系统.主要探讨了音频特征与歌词信息的提取,并在提取歌词信息时利用LDA主题模型进行特征降维.针对多模态融合问题,使用一种特征级联早融合法(EFFC)融合方式,并将多模态融合后的结果与单模态结果进行了比较.对于结果的推荐,以多模态特征信息为依据建立用户兴趣模型,并将…查看全部>>

12 3 4 5 6 >