期刊文献+
共找到1,123篇文章
< 1 2 57 >
每页显示 20 50 100
Predicting Google’s Stock Price with LSTM Model 被引量:3
1
作者 Tianlei Zhu Yuexin Liao Zheng Tao 《Proceedings of Business and Economic Studies》 2022年第5期82-87,共6页
Stock market has a profound impact on the market economy,Hence,the prediction of future movement of stocks is of great significance to investors.Therefore,an efficient prediction system can solve this problem to a gre... Stock market has a profound impact on the market economy,Hence,the prediction of future movement of stocks is of great significance to investors.Therefore,an efficient prediction system can solve this problem to a great extent.In this paper,we used the stock price of Google Inc.as a prediction object,selected 3810 adjusted closing prices,and used long short-term memory(LSTM)method to predict the future price trend of the stock.We built a three-layer LSTM model and divided the entire data into a test set and a training set according to the ratio of 8 to 2.The final results show that while the LSTM model can predict the stock trend of Google Inc.very well,it cannot predict the specific price accurately. 展开更多
关键词 GOOGLE Stock prediction lstm model Stock trend
在线阅读 下载PDF
基于调和分析及VMD-LSTM混合模型的甬江河口水位预报方法
2
作者 陈永平 韩韬 +3 位作者 邱超 甘敏 谭亚 王瑾琪 《河海大学学报(自然科学版)》 北大核心 2025年第2期1-10,共10页
为解决甬江感潮河段潮位预报总体精度偏低的问题,构建了一种基于经典调和分析(T_TIDE)、变分模态分解(VMD)和长短时记忆神经网络(LSTM)的混合模型(VMD-LSTM混合模型)。VMD-LSTM混合模型采用T_TIDE程序包对甬江河口逐时水位数据进行回报... 为解决甬江感潮河段潮位预报总体精度偏低的问题,构建了一种基于经典调和分析(T_TIDE)、变分模态分解(VMD)和长短时记忆神经网络(LSTM)的混合模型(VMD-LSTM混合模型)。VMD-LSTM混合模型采用T_TIDE程序包对甬江河口逐时水位数据进行回报(即潮位),用实测水位减去潮位得到相应余水位,并采用VMD模型将余水位分解为13个本征模函数(IMF),依次对应D0~D12潮族,采用LSTM模型分别训练余水位的各个IMF分量和潮位并分别向后预报12~48h,各个IMF分量和潮位的预报值之和即为河口水位的预测值。结果表明:VMD模型可对甬江河口余水位中D0~D12潮族波动进行完全分离;VMD-LSTM混合模型12、24、36、48h短期水位预报的均方根误差(RMSE)比LSTM模型最多分别降低了0.15、0.13、0.16、0.16m;VMD-LSTM混合模型在D0、D2潮族频带的误差修正最明显,相比LSTM模型,可分别将D0、D2潮族的谱峰预报误差最多降低0.05、0.04m·d^(0.5)。 展开更多
关键词 甬江口 河口潮汐 变分模态分解 lstm模型 调和分析 水位预报
在线阅读 下载PDF
基于SVR-LSTM的人体上肢运动遮挡轨迹补偿方法
3
作者 彭金柱 刘涵菲 卞英楠 《郑州大学学报(理学版)》 CAS 北大核心 2025年第1期1-7,共7页
在人机协作过程中,由于光照条件等环境因素和机器人设备摆放等遮挡原因,导致使用基于视觉的运动捕捉设备对人体运动进行捕捉时时间序列的轨迹数据有缺失,进而导致意图识别不准确,增加了机器人运动的不确定性。因此,提出了一种基于支持... 在人机协作过程中,由于光照条件等环境因素和机器人设备摆放等遮挡原因,导致使用基于视觉的运动捕捉设备对人体运动进行捕捉时时间序列的轨迹数据有缺失,进而导致意图识别不准确,增加了机器人运动的不确定性。因此,提出了一种基于支持向量回归(support vector regression,SVR)和长短期记忆(long short-term memory,LSTM)的人体上肢运动时间序列轨迹缺失补偿方法。采用网格搜索法对SVR模型中的参数进行优化来完善历史样本数据集,结合长短期记忆网络对短、长时间序列轨迹缺失的预测补全更精确的优势,将SVR模型补全的历史样本数据集输入LSTM模型训练,进一步降低补偿误差。实验结果表明,在三维空间350 mm的运动尺度范围内,轨迹缺失程度为10%时,SVR-LSTM模型补偿轨迹的平均误差是0.14 mm;轨迹缺失程度为30%时,SVR-LSTM模型补偿轨迹的平均误差是0.47 mm。 展开更多
关键词 遮挡轨迹 时间序列 意图识别 轨迹补偿 SVR-lstm模型
在线阅读 下载PDF
中国保险业系统性风险的评估与预警研究——基于Attention-LSTM模型的分析
4
作者 师荣蓉 杨娅 《财经理论与实践》 北大核心 2025年第2期26-34,共9页
基于保险业系统性风险传导机制和预警机制的理论分析,利用CoVaR方法评估保险业系统性风险,从微观保险机构和宏观经济环境构建Attention-LSTM模型对保险业系统性风险进行预警分析。研究发现:当遭遇重大事件冲击时,系统重要性保险机构对... 基于保险业系统性风险传导机制和预警机制的理论分析,利用CoVaR方法评估保险业系统性风险,从微观保险机构和宏观经济环境构建Attention-LSTM模型对保险业系统性风险进行预警分析。研究发现:当遭遇重大事件冲击时,系统重要性保险机构对保险业的风险溢出增加;将金融压力指数纳入风险预警体系,其预测平均绝对误差、均方根误差和平均绝对百分比误差分别降低8.59%、7.27%和4.55%;Attention-LSTM模型能捕捉风险间的关联性和传染性,在预测准确性、泛化能力和时间稳定性方面均优于传统机器学习模型。鉴于此,应建立保险业风险分区管理体系,融合深度学习模型多维度构建保险业系统性风险预警机制。 展开更多
关键词 保险业系统性风险 评估 预警 Attention-lstm模型
在线阅读 下载PDF
基于LightGBM和LSTM模型的电力大数据异常用电检测方法研究
5
作者 杨志东 丁建武 +2 位作者 陈广久 康晓婧 盛萌 《电测与仪表》 北大核心 2025年第1期110-115,共6页
随着双碳经济的提出,智能电网正朝着节能减排的方向发展,而用户的异常用电造成电力资源严重流失。针对传统异常用电检测方法精度低、运行效率慢等问题,提出了一种将LightGBM模型与改进的长短期记忆网模型相结合用于异常用电检测。通过... 随着双碳经济的提出,智能电网正朝着节能减排的方向发展,而用户的异常用电造成电力资源严重流失。针对传统异常用电检测方法精度低、运行效率慢等问题,提出了一种将LightGBM模型与改进的长短期记忆网模型相结合用于异常用电检测。通过采样和Lightgbm模型相结合进行异常检测,并通过改进长短期记忆网模型给出异常用电类别。通过试验分析了所提方法的优点。结果表明,与传统的检测方法相比,该方法能够快速有效地检测异常用户,检测准确率为98.64%。同时对异常数据进行有效分类,综合分类准确率为96.60%。为异常检测技术的发展提供了一定的参考。 展开更多
关键词 电力大数据 异常用电 Lightgbm模型 lstm模型 双碳经济
在线阅读 下载PDF
基于RA-LSTM模型的山西省中长期电力负荷预测
6
作者 周绍妮 吴优 +1 位作者 窦雨菡 郑奕扬 《气象与环境科学》 2025年第1期78-87,共10页
准确的中长期电力负荷预测对电力系统的规划和运行至关重要。由于传统方法在非线性特性处理和时序依赖建模方面存在局限,难以全面捕捉负荷数据的复杂特征,因而提出了一种基于残差网络和注意力机制的RA-LSTM模型。模型通过引入残差连接,... 准确的中长期电力负荷预测对电力系统的规划和运行至关重要。由于传统方法在非线性特性处理和时序依赖建模方面存在局限,难以全面捕捉负荷数据的复杂特征,因而提出了一种基于残差网络和注意力机制的RA-LSTM模型。模型通过引入残差连接,缓解梯度消失问题,增强了模型对长时序依赖特征的捕捉能力;同时融合注意力机制,增强了对关键时间点和特征的敏感性。以山西省为案例,构建了融合时间特征和气象要素的数据集,对RA-LSTM模型进行了全面评估。实验结果表明,RA-LSTM模型在均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)及决定系数(R^(2))等指标上均显著优于基准BP模型和传统LSTM模型。RA-LSTM模型的MAPE、MAE较BP模型的分别降低了41.8%、40.9%,显著提升了模型的预测精度和稳定性。显著性检验结果进一步验证了RA-LSTM模型预测结果的科学性,为中长期电力负荷预测提供了一种高效且稳健的解决方案,并为未来探索多特征融合和模型优化提供了理论和实践基础。 展开更多
关键词 中长期电力负荷 预测 RA-lstm模型 残差网络 注意力机制 深度学习
在线阅读 下载PDF
CNN-LSTM在桥梁预警机制的研究与应用
7
作者 潘浩 李富年 +2 位作者 余兴盛 秦寰宇 陈志丹 《计算机应用与软件》 北大核心 2025年第3期29-33,40,共6页
为了更好地满足桥梁健康监测系统的需求,提高桥梁健康监测系统的性能,将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制,提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景,将卷积神经网络CNN与... 为了更好地满足桥梁健康监测系统的需求,提高桥梁健康监测系统的性能,将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制,提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景,将卷积神经网络CNN与长短时记忆网络LSTM结合起来构建CNN-LSTM模型,对桥梁的挠度数据进行预测。通过对实验结果分析发现CNN-LSTM模型能够有效预测出桥梁的挠度数据,在置信区间为±0.1 mm的情况下,准确率达到92.8%,在预测未来十分钟的挠度数据中,均方根误差RMSE为0.1097。实践表明时序数据库InfluxDB与CNN-LSTM模型的融合增强桥梁健康监测系统对潜在威胁的感知能力,有效提高桥梁健康监测系统的预警报警机制。 展开更多
关键词 桥梁工程 长短时记忆网络 卷积神经网络 CNN-lstm模型 InfluxDB
在线阅读 下载PDF
不同情景下LSTM及其变体模型的洪水模拟研究
8
作者 孟涵 姚成 +4 位作者 郑爱民 杨丰源 李京兵 石卓 张锦堂 《中国农村水利水电》 北大核心 2025年第2期114-120,128,共8页
长短期记忆网络(LSTM)模型能够有效地模拟降雨-径流间的非线性响应,在洪水模拟及预报中的应用日趋广泛。为了提高模型在不同应用场景下的适用性和模拟精度,基于LSTM模型及其5个变体模型,以皖南山区舒家流域1986-2000年30场洪水的降雨径... 长短期记忆网络(LSTM)模型能够有效地模拟降雨-径流间的非线性响应,在洪水模拟及预报中的应用日趋广泛。为了提高模型在不同应用场景下的适用性和模拟精度,基于LSTM模型及其5个变体模型,以皖南山区舒家流域1986-2000年30场洪水的降雨径流时间序列开展实例研究,探讨了包括不同损失函数、不同预见期以及不同训练规模等多种情景下,LSTM及其变体模型的洪水模拟效果;并开展了LSTM模型及其变体模型与极端梯度上升(XGBoost)模型的集合模拟研究。结果表明:(1)4种损失函数都能较好地实现舒家流域出口断面的洪水过程模拟,模拟精度:相对均方根误差(RSR)>纳什效率系数(NSE)>均方误差(MSE)>克林-古普塔效率系数(KGE),其中RSR在LSTM及其变体模型下测试集各场次的纳什效率系数(NSE)均能达到0.7以上。(2)随着预见期的延长,模型在处理长时间序列时面临信息遗忘或误差累积等问题,采用LSTM及其变体模型进行洪水模拟的精度总体呈下降趋势;相同的预见期情景下,随着训练规模的增加,模型模拟精度先上升达到最佳后趋于稳定。(3)LSTM模型及其变体模型与XGBoost模型进行模型集合,降低了单一模型的模拟偏差,使得整体预测更具准确性和可靠性;并且通过引入残差模拟,弥补了单一模型未能捕捉到的复式洪水的特征,进一步提高了复式洪水的模拟精度。 展开更多
关键词 lstm模型 XGBoost 模型集合 洪水模拟 舒家流域
在线阅读 下载PDF
基于特征选择与Transformer-LSTM的滚动轴承寿命预测
9
作者 李沁远 雷文平 +2 位作者 闫灏 娄永威 陈阳 《组合机床与自动化加工技术》 北大核心 2025年第2期200-206,211,共8页
滚动轴承作为旋转机械设备中的关键部件,影响着设备的可靠性运行。针对以往剩余使用寿命(RUL)预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度和不同特征组合对预测模型精度的影响,提出一种基于特征选择与Transformer-LSTM的剩... 滚动轴承作为旋转机械设备中的关键部件,影响着设备的可靠性运行。针对以往剩余使用寿命(RUL)预测方法对轴承退化信息挖掘不充分、忽视不同特征贡献度和不同特征组合对预测模型精度的影响,提出一种基于特征选择与Transformer-LSTM的剩余使用寿命预测模型。首先基于单调性、趋势性以及最大相关最小冗余特征选择算法对振动信号的时域、频域、时频域特征进行重要性排序和筛选,从而捕获特征与剩余寿命以及特征之间的相互的关系。然后将筛选后的特征输入Transformer-LSTM预测模型中,深度挖掘输入特征与RUL之间的复杂映射关系,从而更准确地进行预测。通过公开的轴承数据集进行实验验证,与其他RUL预测方法相比,所提方法的预测性能更优越。 展开更多
关键词 剩余使用寿命 特征选择 最大相关最小冗余 Transformer-lstm模型
在线阅读 下载PDF
基于MSGWO-LSTM的车桥非线性系统地震响应预测研究
10
作者 刘汉云 王子逸 +4 位作者 韩艳 王力东 胡朋 国巍 余志武 《铁道科学与工程学报》 北大核心 2025年第2期734-747,共14页
强震下高铁桥梁结构易进入非线性阶段,导致系统响应增大难预测,可能威胁行车安全。为此,提出融合多策略灰狼优化-长短期记忆网络(MSGWO-LSTM)代理模型,提升高速铁路车-桥耦合非线性系统地震响应预测精度。建立车桥耦合系统OpenSees非线... 强震下高铁桥梁结构易进入非线性阶段,导致系统响应增大难预测,可能威胁行车安全。为此,提出融合多策略灰狼优化-长短期记忆网络(MSGWO-LSTM)代理模型,提升高速铁路车-桥耦合非线性系统地震响应预测精度。建立车桥耦合系统OpenSees非线性模型,基于大量地震动动力分析,构建桥梁位移、车体加速度和轮轨力响应数据库。在传统LSTM代理模型基础上,引入Dropout层以防止模型训练过拟合,引入灰狼优化算法(GWO)进行超参数自动选优,从而构建并训练了GWO-LSTM代理模型。采用多类评判指标,考虑结构线性/非线性、不同车速等工况,对比传统LSTM和GWOLSTM这2个代理模型的预测效果,发现GWO-LSTM在部分工况不满足需求,故融合多策略提出MSGWO-LSTM代理模型,进一步提升模型的预测精度。研究结果表明:GWO-LSTM代理模型预测的R^(2)稳定在0.95~0.99之间,MAE、MSE和RMSE等评价指标均接近0,且MAPE指标大多数控制在1%左右,明显优于传统LSTM代理模型,说明GWO-LSTM显著提升了车-桥耦合系统地震响应预测精度。相比单输入单输出模式,考虑多变量相互影响的多输入多输出模式所构建的代理模型的非线性适应性与泛化性更好。在多输入多输出和非线性工况下,GWO-LSTM模型预测响应有小部分预测指标超过10%限值,而MSGWO-LSTM所有预测指标均小于限值,进一步提升了模型的预测精度和泛化能力。 展开更多
关键词 桥梁工程 地震响应预测 lstm代理模型 高速铁路 OPENSEES
在线阅读 下载PDF
基于CNN-LSTM-Adaboost模型的TBM掘进参数和隧洞围岩等级预测
11
作者 戴明健 焦玉勇 +3 位作者 裴成元 贾运甫 梁峰 张鹏 《安全与环境工程》 北大核心 2025年第2期160-170,共11页
硬岩隧道掘进机(TBM)在现今隧洞建设中的应用日益广泛,但是TBM深埋于地下,对地下围岩状况和掘进参数的感知能力不高,精准预测掘进参数和围岩等级对于保证TBM掘进安全具有重要意义。基于新疆某引水工程的TBM现场掘进参数和隧洞围岩地质数... 硬岩隧道掘进机(TBM)在现今隧洞建设中的应用日益广泛,但是TBM深埋于地下,对地下围岩状况和掘进参数的感知能力不高,精准预测掘进参数和围岩等级对于保证TBM掘进安全具有重要意义。基于新疆某引水工程的TBM现场掘进参数和隧洞围岩地质数据,选择TBM掘进稳定段的推力、扭矩、转速、净掘进速度、施工速度、开挖比能作为模型输入参数,建立了卷积神经网络优化的长短时时序-自适应提升(CNN-LSTM-Adaboost)模型,预测各等级围岩条件下的掘进参数,并依据掘进参数数据集训练模型预测了隧洞围岩等级。结果表明:CNN-LSTM-Adaboost模型具有较高的预测精度,大部分数据的预测相对误差率(Er)在10%以内,均方根误差(RMSE)在5以内,平均绝对百分比误差(MAPE)在10%以内,拟合优度(R^(2))在0.9以上;同时,CNN-LSTM-Adaboost模型对基于掘进参数对隧洞围岩等级的识别准确率较高,综合准确率(ACC)达90%,可以应用于指导工程实践。 展开更多
关键词 硬岩隧道掘进机(TBM) 掘进参数 掘进安全 CNN-lstm-Adaboost模型 围岩等级
在线阅读 下载PDF
基于Transformer和LSTM算法的河套灌区土壤水分预测研究
12
作者 王钥 郑方元 +3 位作者 雍婷 查元源 周龙才 徐祥森 《节水灌溉》 北大核心 2025年第2期1-8,14,共9页
土壤水是土壤中的关键指标,其变化直接影响着作物生长,并影响着水资源利用的管理决策。因此,准确地预测土壤水分有利于对农业水资源进行合理的规划利用。使用深度学习算法进行土壤水分预测在当前的农业、水资源管理和生态学等领域具有... 土壤水是土壤中的关键指标,其变化直接影响着作物生长,并影响着水资源利用的管理决策。因此,准确地预测土壤水分有利于对农业水资源进行合理的规划利用。使用深度学习算法进行土壤水分预测在当前的农业、水资源管理和生态学等领域具有重要性。深度学习算法能够从大规模数据中学习土壤水分的复杂模式和时空关系,为土壤水的准确预测提供了新的机会。为了探索新兴深度学习方法Transformer在土壤水分预测中的有效性,选择河套灌区义长灌域为研究区域,利用地下水位观测数据、气象数据、SMAP土壤水数据等作为训练数据,设置了1、5、10 d共3种数据滞后情况,验证Transformer算法在土壤水时间序列预测任务中的有效性,并与目前广泛应用于时序预测任务中的LSTM进行对比。研究表明Transformer在土壤水分时间序列预测任务中具有更好的预测能力,相比于LSTM,其R^(2)平均提升约0.181,RMSE平均下降27.6%。同时,Transformer在应对滞后变化带来的影响时更具鲁棒性,在3种数据滞后情况下Transformer的预测平均R^(2)分别比LSTM高出了0.121、0.167、0.256,站点平均RMSE分别降低了30.7%、28.6%、23.5%。此外,Transformer对于土壤水序列中的非线性信息的提取能力更强,对于高频振幅的土壤水时间序列Transformer拥有更强的预测能力。 展开更多
关键词 土壤水分预测 深度学习 时序预测 Transformer模型 lstm模型 数据滞后
在线阅读 下载PDF
基于MLP和LSTM多因素网球比赛中动量波动胜负趋势模型研究
13
作者 贠欣欣 冯孝周 +3 位作者 邢润强 任笑笑 时华 胡凯 《内蒙古师范大学学报(自然科学版)》 2025年第2期188-197,共10页
通过深入分析部分温布尔登网球公开赛男子组决赛的比赛数据,探讨网球比赛中势头变化的现象,并创建了一套新的综合胜率指标和发球方优势指标,利用这些指标构建势头模型,预测比赛的胜负并制定更科学合理的战术和训练策略。首先,对数据进... 通过深入分析部分温布尔登网球公开赛男子组决赛的比赛数据,探讨网球比赛中势头变化的现象,并创建了一套新的综合胜率指标和发球方优势指标,利用这些指标构建势头模型,预测比赛的胜负并制定更科学合理的战术和训练策略。首先,对数据进行处理并对特征进行筛选和创建,构建Momentum模型评价指标体系;然后,通过分析比赛中的波动与连续成功之间的关系,发现相关性显著;最后,综合考虑多方面因素,提出一种基于多层感知机模型与长短期记忆网络的组合预测模型,结合多层感知机(multilayer perceptron,MLP)的特征学习能力强与长短期记忆网络(long short-term memory,LSTM)预测精度高的优点,对比赛波动趋势进行高效精准预测,构建M‐LSTM模型预测比赛动态变化和胜负趋势,并使用Shap值方法可视化特征重要性,结果显示模型可以很好捕捉比赛的大体趋势,预测最终结果,对相关科学研究和网球运动的发展具有重要的参考意义。 展开更多
关键词 网球运动 深度学习 综合胜率指标 M‐lstm模型 Shap值
在线阅读 下载PDF
基于PCA-GARCH-LSTM模型的股价预测研究
14
作者 姜敏 张楚沂 孙德山 《软件导刊》 2025年第1期43-48,共6页
股市波动日益成为社会的焦点话题,如何高效且准确地预测股票价格成为当前热门研究课题。为减少计算量并提高工作效率,在预测前对股票数据采用降维技术,同时考虑股票波动情况,结合主成分分析(PCA)、广义自回归条件异方差(GARCH)和长短期... 股市波动日益成为社会的焦点话题,如何高效且准确地预测股票价格成为当前热门研究课题。为减少计算量并提高工作效率,在预测前对股票数据采用降维技术,同时考虑股票波动情况,结合主成分分析(PCA)、广义自回归条件异方差(GARCH)和长短期记忆网络(LSTM)3种模型,构建组合模型进行股价预测。为检验模型预测效果,以上证指数和中证500指数为例,对收盘价进行预测。对比实验结果表明,该PCA-GARCH-LSTM组合模型的RMSE、MAE、MAPE值均小于其他对照模型,证明了该模型预测的有效性。 展开更多
关键词 PCA模型 GARCH模型 lstm模型 组合模型 股价预测
在线阅读 下载PDF
基于LSTM神经网络的潮汐分析
15
作者 凌鑫辉 尚玉杰 李小平 《现代信息科技》 2025年第4期38-42,共5页
由于风、浪、潮等环境因素的影响,传统的潮位平差和分析方法无法准确捕捉潮汐时间序列数据的复杂特征。为了解决这个问题,文章提出了一种基于长短期记忆(LSTM)神经网络的方法来预测连云港站点的潮位。通过设置不同的参数如LSTM层数、批... 由于风、浪、潮等环境因素的影响,传统的潮位平差和分析方法无法准确捕捉潮汐时间序列数据的复杂特征。为了解决这个问题,文章提出了一种基于长短期记忆(LSTM)神经网络的方法来预测连云港站点的潮位。通过设置不同的参数如LSTM层数、批处理大小、隐藏层节点数、初始学习率和序列长度,构建了LSTM模型,并使用了2022年1月以来连云港验潮站的小时级潮汐数据组成的数据集,进行模型的训练,并评估了该模型在不同网络参数设置下的性能,最后选择最优的模型参数对连云港未来潮汐数据进行了预测,预测结果分析表明该模型可以较好地完成预测任务。 展开更多
关键词 潮汐数据预测 深度学习 lstm模型
在线阅读 下载PDF
基于CNN-LSTM模型的土壤温湿度缺失数据填补算法
16
作者 张瑛进 史志强 +1 位作者 古丽米拉·克孜尔别克 库木斯·阿依肯 《湖北农业科学》 2025年第2期179-183,196,共6页
针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络(CNN-LSTM)填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LS... 针对因恶劣环境、电池耗尽、硬件故障等原因导致的土壤温湿度传感器数据丢失问题,提出一种基于卷积神经网络的长短期记忆网络(CNN-LSTM)填补模型。以闪电河流域2019年土壤温湿度数据为试验数据,分别选用CNN、LSTM、TCN、CNN-TCN、CNN-LSTM 5个模型对土壤温湿度传感器网络缺失数据进行填补,并采用Adam算法优化模型,使用决定系数(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)指数对模型填补结果进行评价。结果表明,采用线性插补算法获得完整的数据,CNN-LSTM模型的R^(2)为0.999 9,高于其他模型,MAE、RMSE分别为0.001 85、0.019 70,均远低于其他模型。采用k近邻插补算法获得完整的数据,CNN-LSTM模型的MAE、RMSE分别为0.000 12、0.000 12,均远低于其他模型,R^(2)为0.999 4,高于CNN模型、TCN模型;CNN-LSTM模型对土壤温湿度传感器数据缺失值的填补效果最好。CNN-LSTM模型在处理大规模土壤温湿度传感器缺失数据问题时具有较好的可行性和精确度。 展开更多
关键词 CNN-lstm模型 土壤 温湿度 缺失数据填补算法
在线阅读 下载PDF
基于SAE和LSTM神经网络的深部未钻地层可钻性预测方法
17
作者 朱亮 李晓明 +1 位作者 纪慧 楼一珊 《西安石油大学学报(自然科学版)》 北大核心 2025年第1期39-46,64,共9页
在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM... 在制定深部地层钻进提速方案时,对地层可钻性进行钻前预测是十分必要的,现有的岩石可钻性预测方法精度低,难以满足钻井设计的要求。为此,提出一种基于SAE和LSTM神经网络相结合的组合模型对深部未钻地层的可钻性进行预测。并将SAE-LSTM组合模型的训练时间和预测结果与BP神经网络、支持向量机、随机森林和单一的LSTM模型进行了对比分析。结果表明:所构建的SAE-LSTM组合模型预测地层可钻性训练用时最短,预测值与实际测量值误差最小,拟合结果的均方根误差RMSE仅为0.081,平均绝对百分比误差MAPE为1.189,决定系数R^(2)为0.966,其RMSE和MAPE最小,R 2最大,较其他模型预测精度更高。该方法为地层参数预测提供了新的途径,能改善以往预测方法在处理复杂地层问题时预测效率低、预测精度不高等问题。 展开更多
关键词 深部地层钻探 岩石可钻性 预测模型 栈式自动编码器 lstm神经网络 深度学习
在线阅读 下载PDF
基于CNN-LSTM的独居老人室内行动轨迹监测模型研究
18
作者 周磊 《办公自动化》 2025年第7期103-105,共3页
提出一种新型的神经网络模型,结合卷积神经网络(CNN)和长短期记忆网络(LSTM),旨在长期跟踪与预测独居老人的健康状态。模型构建中,CNN负责从每日行动轨迹图中提取行为习惯和健康相关的时空特征,LSTM则基于这些特征序列学习老人的正常行... 提出一种新型的神经网络模型,结合卷积神经网络(CNN)和长短期记忆网络(LSTM),旨在长期跟踪与预测独居老人的健康状态。模型构建中,CNN负责从每日行动轨迹图中提取行为习惯和健康相关的时空特征,LSTM则基于这些特征序列学习老人的正常行为模式,处理时间序列数据的长期依赖。该模型不仅能识别即时异常,还能预判潜在的健康问题,如阿尔茨海默症。最后,通过定义异常行为标签并编码为监督学习目标,模型实现对老人异常状态的有效预测,为独居老人的健康监护提供更为全面和前瞻性的解决方案。 展开更多
关键词 CNN-lstm模型 轨迹图分析 异常状态识别
在线阅读 下载PDF
引入注意力机制的多因素LSTM地下水位预测模型
19
作者 刘小蝶 张红月 +1 位作者 芮小平 孙文 《水文》 北大核心 2025年第2期73-79,共7页
针对传统地下水位预测模型未考虑相关影响因素而导致的预测精度较低的问题,考虑多源因素如气象数据和归一化植被指数(NDVI)等对地下水位的影响,提出基于注意力机制的多因素长短期记忆(M-LSTM)神经网络模型,旨在通过融合多个关键因素提... 针对传统地下水位预测模型未考虑相关影响因素而导致的预测精度较低的问题,考虑多源因素如气象数据和归一化植被指数(NDVI)等对地下水位的影响,提出基于注意力机制的多因素长短期记忆(M-LSTM)神经网络模型,旨在通过融合多个关键因素提高预测准确性。算法的核心思想在于改造经典的长短期记忆(LSTM)网络输入端,使之能够学习多因素的数据特征,并在LSTM层之间加入注意力机制,使其能够更好地学习并强调多因素数据中的时间特征。以山西省大同市作为研究区域进行预测,输入数据集包括2015—2020年的逐月植被指数(NDVI)数据、地下水位观测数据以及气象数据,并进行嵌套交叉验证,以均方根误差(RMSE)作为性能评价指标。实验结果表明,引入注意力机制的M-LSTM模型能够有效预测地下水位,其最小均方根误差(RMSE)仅为0.4367,精度较高。 展开更多
关键词 地下水位 深度学习 M-lstm 注意力机制 预测模型
在线阅读 下载PDF
基于BP神经网络和LSTM网络模型的软土地基沉降预测分析
20
作者 刘亚辉 《工程技术研究》 2025年第2期18-20,共3页
为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题,文章基于厦门某机场工程自动化监测项目,辅以人工监测进行对比,分析偏差的成因,同时利用神经网络(back propagation,BP)和长短期记忆网络(long short-term memory,LSTM)模... 为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题,文章基于厦门某机场工程自动化监测项目,辅以人工监测进行对比,分析偏差的成因,同时利用神经网络(back propagation,BP)和长短期记忆网络(long short-term memory,LSTM)模型分别对典型区域表层沉降监测点的累计沉降量进行预测分析及精度对比,发现LSTM网络预测模型精度更高,整体预测效果优于BP神经网络模型,预测效果也更符合实际情况,能为计算工后沉降、评判处理效果、核实工程量等提供一定的参考依据。 展开更多
关键词 自动化监测 软土地基沉降 BP神经网络 lstm网络模型
在线阅读 下载PDF
上一页 1 2 57 下一页 到第
使用帮助 返回顶部