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2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IF-SVMD-BWO-LSTM的空气质量预测建模 被引量：2
1
作者 朱菊香 谷卫 +2 位作者 钱炜 张赵良 张雯柏 《中国测试》 CAS 北大核心 2024年第11期173-184,共12页
为了提高PM_(2.5)浓度的预测精度,基于PM_(2.5)序列的复杂性和非线性,提出孤立森林(isolated forests,IF)异常值检测、逐次变分模态分解(successive variational mode decomposition,SVMD)和白鲸鱼算法(Beluga whale optimization,BWO)... 为了提高PM_(2.5)浓度的预测精度,基于PM_(2.5)序列的复杂性和非线性,提出孤立森林(isolated forests,IF)异常值检测、逐次变分模态分解(successive variational mode decomposition,SVMD)和白鲸鱼算法(Beluga whale optimization,BWO)优化长短期记忆网络(long short-term memory network,LSTM)相结合的预测模型。首先,利用孤立森林算法清除数据中异常值;其次使用SVMD将原始不平稳的PM_(2.5)序列进行分解,去除噪声数据后得到多个平稳的固有模态分量和残差分量,提高模型预测精度;然后,对分解后各个子序列使用LSTM进行预测,并利用BWO算法优化LSTM的权重和阈值,进一步提高组合模型的预测精度;最后将各个子序列进行叠加得到最终的预测结果。实验结果表明:IF-SVMD-BWO-LSTM模型在均方根误差比SVMD-BWO-LSTM模型和BWO-LSTM模型分别降低了4.03μg/m^(3)和10.3μg/m^(3)。在拟合度方面,该模型比SVMD-BWO-LSTM模型和BWO-LSTM模型分别高了3.8%和9.5%。因此在空气质量预测上,该组合模型提高了PM_(2.5)预测精度,达到预期的预测效果。 展开更多
关键词 PM_(2.5)预测 孤立森林 逐次变分模态分解 白鲸鱼算法 长短期记忆网络
在线阅读 下载PDF
基于相位变换和CNN-BiLSTM的自动调制识别算法
2
作者 胡国乐 李鹏 +1 位作者 林事力 纵彪 《电讯技术》 北大核心 2024年第11期1780-1787,共8页
针对真实信道使无线通信信号发生相位偏移导致信号识别率下降的问题,提出了相位变换算法。该算法将信号输入神经网络,通过Flatten层和Dense层估计出相位参数,再利用参数变换器完成相位变换,减轻相位偏移对调制识别准确率的影响,提高了... 针对真实信道使无线通信信号发生相位偏移导致信号识别率下降的问题,提出了相位变换算法。该算法将信号输入神经网络,通过Flatten层和Dense层估计出相位参数,再利用参数变换器完成相位变换,减轻相位偏移对调制识别准确率的影响,提高了调制识别的准确率。同时提出一种卷积双向长短期记忆(Convolutional Neural Network-Bidirectional Long Short-Term Memory,CNN-BiLSTM)网络,其中CNN用于提取信号的高维特征,BiLSTM用于提取信号的双向时间特征。所提出的调制信号分类模型识别率达到96.7%,相较于卷积神经网络(Convolutional Neural Network,CNN)提高了12%。 展开更多
关键词 自动调制识别 相位变换 卷积双向长短期记忆网络 数据预处理
在线阅读 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