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
共找到 157 条结果
- 一种ARIMA-LSTM组合模型的人参价格预测方案研究摘要：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>>
- 基于EEMD-LSTM-Adaboost的商品价格预测北大核心CHSSCDCSSCICSTPCD摘要：文章将总体经验模态分解(EEMD)方法、长短期记忆(LSTM)模型和Adaboost算法相结合,构建了一个多尺度组合预测模型(EMD-LSTM-Adaboost).在模型构建过程中,首先采用EEMD方法将商品价格序列分解为不同尺度的本征模态分量(IMF)和一个趋势项.在此基础上,提出采用LSTM神经网络和Adaboost算法相结合的方法对分解后的商品价格序列进行建模和预测,然后集成得到商品价格的预测值.并以沪金为例进行实证分析,结果表…查看全部>>
- 基于卷积神经网络-长短时记忆神经网络的磨煤机故障预警北大核心CSTPCD摘要：为提高对磨煤机故障的事前预知能力,结合深度学习方法的优势,在传统长短时记忆(LSTM)神经网络的基础上,提出基于卷积神经网络-长短时记忆神经网络(CNN-LSTM)的磨煤机故障预警方法。选择与磨煤机堵煤故障相关的测点作为模型的输入量,进行多元时间序列预测。得到模型输出预测值与磨煤机正常工作状态下的运行数据之间的偏离度函数,运用核密度估计方法确定预警阈值,实现磨煤机堵煤故障预警。以某660 MW火电机组的中速磨煤机为研究对象,建立CNN…查看全部>>
- 基于HHO优化的时空水质预测模型CSTPCD摘要：我国水资源现状不容乐观,提高水质预测模型精度对水资源质量监测具有重要意义.为捕捉水质指标时序数据非线性变化趋势,水质指标多基于神经网络模型进行预测.但是现有模型忽略了河流流向,没有考虑上游监测点水质对下游水质的影响;同时现有模型多基于启发式优化算法中的粒子群算法调整神经网络的超参数,但该优化算法仍需设置较多超参数,而参数选取不当容易使模型陷入局部最优.为此,建立了时空水质预测模型(WT-CNN-LSTM-HHO),利用哈里斯鹰优化算法…查看全部>>
- 基于EMD-PSO-LSTM组合模型的城市轨道交通短时客流预测北大核心摘要：准确的短时客流预测能够为城市轨道交通的良好运营提供保障,针对客流的非线性和强随机性特点以及LSTM神经网络参数较难确定的问题,提出一种基于EMD和PSO优化LSTM神经网络的组合预测模型。首先利用EMD降低数据噪声的干扰,将客流数据分解为多个IMF,然后利用PSO优化LSTM神经网络的学习率、迭代次数和隐含层的神经元个数,并对各IMF进行预测,将各IMF的预测结果加和得到最终的预测结果。以上海陆家嘴站的客流预测为例验证组合模型的…查看全部>>
- 基于Fluent和LSTM神经网络的超声波测风仪阴影效应补偿研究北大核心CSTPCD摘要：超声波测风仪因其结构坚固,维修成本低等优点,在气象、生活及农业等领域有着广泛应用.但由于其结构特点造成的阴影效应,会导致其风速测量精度下降,是当前测风领域中不可忽视的问题.针对该问题,提出一种基于Fluent软件以及LSTM长短期记忆神经网络的超声波阴影效应的补偿算法,对不同风速风向以及不同温度下的阴影效应进行补偿.利用Fluent仿真得到样本数据完成LSTM预测模型训练;基于Fluent仿真数据对SVR和MLR等模型与LSTM模型对…查看全部>>
- 基于LSTM神经网络的饲料企业财务风险预警模型构建CSTPCD摘要：研究旨在提高饲料企业财务风险预警水平,规避因各类不利因素导致的财务风险,确保企业实现利润最大化和可持续发展。以15家饲料企业2014—2020年财务数据为研究对象,选取18项具有代表性的财务指标,借助汉宁窗函数对指标数据进行预处理,通过LSTM神经网络模型对饲料企业财务风险展开预警。结果显示,LSTM神经网络模型能够精准预警饲料企业财务风险,选取15家饲料企业财务风险预警值与实际检测风险基本匹配。研究表明,LSTM神经网络模型预警精准…查看全部>>
- 基于VMD和LSTM模型的航空液压管路卡箍故障诊断北大核心CSTPCD摘要：航空发动机液压管路-卡箍系统中卡箍振动信号具有非线性和非平稳性的特点,难以从卡箍故障信号中准确识别出其故障类型.针对该问题,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)-长短时记忆(Long Short-Term Memory,LSTM)神经网络模型的智能故障诊断方法.首先,利用遗传算法对VMD的模态分量k值和惩罚因子α进行参数优化;然后,将优化后的VMD对卡箍故障振动信号进行分解…查看全部>>
- 融合无迹sigma点变异和交叉反向的鹈鹕优化算法北大核心CSTPCD摘要：针对鹈鹕优化算法(POA)在寻优过程中存在寻优速度慢、精度低以及易陷入局部最优等问题,提出了一种融合无迹sigma点变异和交叉学习的鹈鹕优化算法(MPOA)。使用随机反向学习策略对种群中劣势群体产生随机反向解,引入无迹sigma点对其反向解进行变异,增强算法在搜索域可见范围内精细开发,避免算法陷入局部最优;利用Levy飞行的随机性对交叉反向策略进行改进,动态探索丰富个体寻优过程,保持算法多样性,增强算法全局搜索能力;引入非线性收敛因子…查看全部>>
- 基于惯性传感器和LSTM神经网络的人体运动识别方法北大核心CSCDCSTPCD摘要：面向人体惯性运动捕捉系统,提出一种基于长短期记忆网络(LSTM)的人体运动模式识别方法.设计1个包含2层LSTM层的深度学习神经网络对人体三维加速度信息进行自动特征提取并对多类运动模式进行时序建模,从而实现对运动模式的快速实时识别.实验基于WISDM公开数据集,对人体右腿前口袋部位的三维加速度信息进行分析,验证模型识别人体慢跑、步行、坐、站、上楼、下楼运动过程的准确率为97.5％,并通过对比实验验证了该方法的有效性.为基于移动设…查看全部>>