期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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8,932篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选0条
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：
Recognition and classification of microseismic signals based on Bayesian-optimized CNN-LSTM neural network 认领 引用
1
作者 WU Yang LIU Jian-feng +4 位作者 WANG Chun-ping LIU Jun-jie JI Zhen-xing TIAN Cheng-yu XUE Fu-jun 《Journal of Central South University》 SCIE EI CAS CSCD 2026年第6期2762-2787,共26页
Microseismic monitoring and signal recognition constitute critical technologies for accurately assessing rockburst risks and ensuring the safe construction of underground rock engineering.This study developed a"S... Microseismic monitoring and signal recognition constitute critical technologies for accurately assessing rockburst risks and ensuring the safe construction of underground rock engineering.This study developed a"Surface+Underground"microseismic intelligent monitoring system to evaluate dynamic disaster risks during construction at the Beishan High-level Radioactive Waste Geological Disposal Laboratory in China.The datasets of four typical one-dimensional time-domain microseismic signals,including rock fracture,blasting,TBM tunneling,and drilling,were constructed,and the BO-CNN-LSTM model is developed to identify and classify these signals..Based on the classification results,the typical time-frequency domain characteristics of the four types of signals are analyzed.The classification results of BO-CNN-LSTM,CNN,LSTM and CNN-LSTM models show that the recognition accuracy of the four models is 98.0%,85.7%,66.7%and 91.0%,respectively.Among all types,the four models demonstrate the highest effectiveness in identifying rock fracture and borehole signals.The findings further confirm that the BO-CNN-LSTM model efficiently recognizes and extracts microseismic signal features,demonstrating superior performance and stability in the classification task.Finally,the study suggests several future research directions,particularly in the areas of raw signal denoising,and automation of feature extraction. 展开更多
关键词 deep ground engineering microseismic monitoring signal classification neural network Bayesian optimization convolutional neural network(CNN) long short-term memory network(LSTM) BO-CNN-LSTM model
暂未订购 下载PDF
基于改进PGA优化VMD的ARIMA-LSTM混合模型的光伏功率预测 认领 引用
2
作者 吴仕宏 尚轩竹 +1 位作者 吴佳文 武兴宇 《沈阳农业大学学报》 CAS CSCD 北大核心 2026年第4期126-136,共11页
[目的]大规模太阳能发电的固有波动性给智能电网的能源管理带来重大挑战。准确预测太阳能功率对于保障智能电网的经济运行至关重要。提出一种基于改进向光生长优化算法(PGA)优化变分模态分解(VMD)并融合自回归差分移动平均(ARIMA)和长... [目的]大规模太阳能发电的固有波动性给智能电网的能源管理带来重大挑战。准确预测太阳能功率对于保障智能电网的经济运行至关重要。提出一种基于改进向光生长优化算法(PGA)优化变分模态分解(VMD)并融合自回归差分移动平均(ARIMA)和长短期记忆神经网络(LSTM)的光伏功率预测模型。[方法]利用改进PGA对VMD的模态数和惩罚因子寻优,将原始非平稳的功率序列分解为平稳的子模态,依据各模态波动特性构建ARIMA和LSTM预测模型,叠加重构得到最终预测值。以实际光伏电站历史数据为样本将LSTM、ARIMA-LSTM、PGA-VMD-ARIMA-LSTM以及IPGA-VMD-ARIMA-LSTM进行对比试验。选取多种评价指标对提出的改进模型进行评价。[结果]IPGA-ARIMA-LSTM的MAE降为0.5,RMSE为0.78,MAPE低至1.37,精度最高,较PGA-VMD-ARIMA-LSTM精度提高18.9%。[结论]改进PGA优化VMD的ARIMA-LSTM在拟合度、预测精度和稳定性方面均优于传统方法,通过改进传统方法对参数进行优化,显著提升预测性能。 展开更多
关键词 光伏发电 功率预测 LSTM ARIMA-LSTM PGA算法
暂未订购 下载PDF
基于LSTM网络模型、LSTM-XGBoost模型的新疆地区肺结核发病趋势评价 认领 引用
3
作者 马晓薇 古丽娜·巴德尔汗 +3 位作者 依帕尔·艾海提 祖丽呼玛尔·艾尔肯 王森路 王希江 《华南预防医学》 2026年第3期264-268,274,共5页
目的基于长短期记忆(LSTM)神经网络模型、长短期记忆-极致梯度提升树(LSTM-XGBoost)模型预测新疆维吾尔自治区(简称“新疆”)5个县市肺结核发病趋势,为各县市结核病防控策略提供科学依据。方法描述2011—2023年哈巴河县、尼勒克县、库... 目的基于长短期记忆(LSTM)神经网络模型、长短期记忆-极致梯度提升树(LSTM-XGBoost)模型预测新疆维吾尔自治区(简称“新疆”)5个县市肺结核发病趋势,为各县市结核病防控策略提供科学依据。方法描述2011—2023年哈巴河县、尼勒克县、库尔勒市、皮山县和洛浦县结核病流行特征,分别对2011—2022年5个县市的肺结核年报告发病率建立LSTM神经网络模型和LSTM-XGBoost混合模型,评价模型对各县市2017—2023年预测效果并进行比较,预测各县市2024—2030年发病率趋势。结果2011—2023年哈巴河县、尼勒克县、库尔勒市、皮山县和洛浦县平均报告发病率分别为112.21/10万、101.85/10万、56.86/10万、249.79/10万、359.78/10万。2017—2023年5个县市肺结核年发病率的报告实际值与LSTM模型、LSTM-XGBoost模型预测值的误差对比显示,LSTM-XGBoost模型在多个县市的MAE、MAPE和RMSE较LSTM模型低。LSTM-XGBoost模型对2024—2030年的预测趋势与LSTM模型类似。至2030年,各县市的预测发病率分别为:哈巴河县30.48/10万(95%CI:25.0/10万~36.0/10万)、尼勒克县3.90/10万(95%CI:3.2/10万~4.6/10万)、库尔勒市24.46/10万(95%CI:20.1/10万~28.9/10万)、皮山县89.43/10万(95%CI:73.3/10万~105.5/10万)、洛浦县89.92/10万(95%CI:73.7/10万~106.1/10万)。与2015年实际值比较,2030年预测降幅分别为哈巴河县75.2%、尼勒克县96.7%、库尔勒市61.8%、皮山县68.4%、洛浦县78.8%。结论LSTM神经网络模型、LSTM-XGBoost模型均可预测结核病发病趋势,LSTM-XGBoost模型在大多数县市的主要指标上表现出更优的预测性能,5个县市未来肺结核年发病率预测结果总体呈现下降趋势,为实现2030规划目标,各县市特别是高疫情县需采取更加针对性、综合性的防控措施。 展开更多
关键词 肺结核 LSTM神经网络 LSTM-XGBoost模型
暂未订购 下载PDF
基于CNN-LSTM混合模型的农业灌溉机械深度学习异常检测 认领 引用
4
作者 崔方圆 《农业装备与智能技术》 2026年第1期1-6,共6页
针对农业灌溉机械在复杂环境下易发生故障且传统检测方法精度不足的问题,提出一种基于CNN-LSTM混合模型的深度学习异常检测方法。该方法通过融合多模态传感器数据(振动、温度、压力),利用CNN提取空间特征、LSTM捕捉时间依赖关系,实现端... 针对农业灌溉机械在复杂环境下易发生故障且传统检测方法精度不足的问题,提出一种基于CNN-LSTM混合模型的深度学习异常检测方法。该方法通过融合多模态传感器数据(振动、温度、压力),利用CNN提取空间特征、LSTM捕捉时间依赖关系,实现端到端的异常识别。实验结果表明,所提模型在准确率、F1分数和AUC等多项指标上均优于传统机器学习模型及单一深度学习模型,验证了其在实际农业环境中的有效性和优越性。此外,该模型具备良好的实时性与鲁棒性,推理延迟为每个样本102 ms,模型大小仅为8.7 MB,适用于边缘部署。该研究为农业机械智能运维提供了高效、可靠的解决方案,具有较高的工程应用价值。 展开更多
关键词 农业灌溉机械 异常检测 深度学习 卷积神经网络(CNN) 长短期记忆网络(LSTM) CNN-LSTM混合模型 多模态传感器融合
暂未订购 下载PDF
基于双通道CNN-LSTM-Attention预测模型的晋华炉煤气化过程操作优化 认领 引用 被引量：2
5
作者 韩永明 李帅 +2 位作者 耿志强 汪京培 王孟志 《控制与决策》 EI CSCD 北大核心 2026年第4期1110-1121,共12页
煤气化过程具有强非线性、强耦合以及多目标冲突等特点,传统基于机理模型的操作优化方法难以达到高效且稳健的效果.晋华炉作为我国煤气化工艺中应用广泛的典型炉型,其运行优化亟需智能化建模和决策支持.鉴于此,提出一种基于双通道卷积-... 煤气化过程具有强非线性、强耦合以及多目标冲突等特点,传统基于机理模型的操作优化方法难以达到高效且稳健的效果.晋华炉作为我国煤气化工艺中应用广泛的典型炉型,其运行优化亟需智能化建模和决策支持.鉴于此,提出一种基于双通道卷积-长短期记忆网络-注意力机制(CNN-LSTM-Attention)预测模型的晋华炉操作优化方法.预测模型使用双通道结构融合工艺特征和历史序列信息,并利用层次化注意力机制提升关键特征的表达能力.在氢气、一氧化碳比例预测任务中,所构建双通道CNN-LSTM-Attention模型分别取得0.9322和0.9637的判定系数,显示出良好的精度和鲁棒性.在此基础上,结合粒子群优化算法,将预测模型作为代理模型对关键操作变量进行智能寻优.实验结果表明,优化方案相较于原始工况氢气比例提高了1.22%,一氧化碳比例提高了1.51%,总体有效气含量提升了1.38%.该研究为晋华炉气化过程的智能建模和工况优化提供了有效支撑,对煤气化典型炉型的高效运行具有重要参考价值. 展开更多
关键词 晋华炉 操作优化 LSTM CNN 注意力机制 粒子群算法
暂未订购 下载PDF
基于注意力机制的LSTM多因素滨海航道水深预测及应用研究 认领 引用 被引量：2
6
作者 凌干展 韩玉 +6 位作者 解威威 唐睿楷 胡家锴 梁光越 曹璐 梁铭 刘祥 《工程科学与技术》 EI CAS CSCD 北大核心 2026年第1期266-275,共10页
为提高平陆运河航道施工运输的安全性、效率与精确性,本文提出一种基于注意力机制的长短期记忆网络(LSTM)多因素滨海航道水深预测模型,并将其集成于航道运输辅助决策平台中。首先,结合上游流量、日降雨量、潮流流速和潮汐水位等关键水... 为提高平陆运河航道施工运输的安全性、效率与精确性,本文提出一种基于注意力机制的长短期记忆网络(LSTM)多因素滨海航道水深预测模型,并将其集成于航道运输辅助决策平台中。首先,结合上游流量、日降雨量、潮流流速和潮汐水位等关键水文因子,构建基于LSTM的滨海航道水深预测模型。然后,引入注意力机制优化模型架构,提高模型在复杂水文环境下超长龄期水深预测的精度和稳定性。在此基础上,将模型集成至航道运输辅助决策平台中,实现水深预测及动态修正、通航窗口期评估等多模块协同工作。最后,通过与现有模型和实测数据的对比分析,验证模型的有效性。分析结果表明:相较于传统LSTM模型,基于注意力机制的LSTM模型在枯水期和丰水期水文地质环境条件下水深预测平均绝对误差(MAE)分别降低了64.68%和72.36%,决定系数R2分别提升了2.18%和5.60%;与单一特征向量相比,采用日降雨量、潮流流速和潮汐水位3特征向量组合模型,MAE值不超过0.15 m,R2不低于0.99,显著提升模型对滨海航道复杂水文环境下水深预测的精度与稳定性。本文研究成果为提升航道运输智能化和数字化管理水平提供可靠的技术支撑。 展开更多
关键词 平陆运河 航道施工运输 航道水深预测 注意力机制 LSTM模型 航道运输辅助决策平台
暂未订购 下载PDF
基于SSA去噪的级联LSTM网络地球极移短期预报方法 认领 引用 被引量：1
7
作者 张文渊 彭劲松 +2 位作者 韦纳都 高雨 张书毕 《测绘学报》 EI CSCD 北大核心 2026年第1期46-58,共13页
地球极移是深空探测和卫星精密定轨的关键参数,其高精度预报模型是空间大地测量领域的研究热点。针对长短期记忆(LSTM)神经网络在短期预测中由于训练场景与应用场景不一致而导致的预测误差累积以及忽略信号噪声影响的问题,本文提出了一... 地球极移是深空探测和卫星精密定轨的关键参数,其高精度预报模型是空间大地测量领域的研究热点。针对长短期记忆(LSTM)神经网络在短期预测中由于训练场景与应用场景不一致而导致的预测误差累积以及忽略信号噪声影响的问题,本文提出了一种基于奇异谱分析(SSA)去噪的级联LSTM网络地球极移短期预报方法。该方法首先利用SSA算法剔除极移时序信号的高频噪声项,随后充分考虑未来不同预测天数的场景特征变化,通过级联架构实现前序子模型输出与后续子模型输入的误差抵偿传导,构建了多个子模型相互连接、逐级传递的级联式LSTM框架。利用1984—2024年的EOP 20 C04序列数据进行了试验验证,结果表明:对于1~10天的短期预报,本文方法在极移X和Y方向的预测结果的平均绝对误差(MAE)分别为1.70和0.93 mas,相较于递归LSTM模型的MAE分别降低了42.8%和48.1%,同时相较于SSA-递归LSTM模型的预报精度分别提升了11.1%和28.8%。此外,本文模型在未来6~10天的极移预报中具有显著优势,论证了本文方法可有效抑制预报误差积累,提高中后期预报精度,将模型预报结果应用于卫星轨道的天球坐标系与地球坐标系转换,显著提升了坐标转换精度。 展开更多
关键词 地球极移 短期预报 SSA 级联LSTM 去噪优化
暂未订购 下载PDF
基于LSTM-AM的冬小麦单产估测模型构建及其可解释性分析 认领 引用 被引量：1
8
作者 王鹏新 韩弘炜 +3 位作者 李明启 刘峻明 张树誉 叶昕 《农业机械学报》 EI CAS CSCD 北大核心 2026年第6期206-214,共9页
准确及时地估测作物产量对保障我国粮食安全和促进农业可持续发展具有重要意义。本文以陕西省关中平原作为研究区域,选取与冬小麦长势密切相关的条件植被温度指数(VTCI)、叶面积指数(LAI)、光合有效辐射吸收比率(FPAR)作为遥感特征参数... 准确及时地估测作物产量对保障我国粮食安全和促进农业可持续发展具有重要意义。本文以陕西省关中平原作为研究区域,选取与冬小麦长势密切相关的条件植被温度指数(VTCI)、叶面积指数(LAI)、光合有效辐射吸收比率(FPAR)作为遥感特征参数,结合长短期记忆网络(LSTM)在时序数据处理上的优势,以及注意力机制(AM)对关键信息提取的能力,构建了LSTM-AM深度学习模型,用于冬小麦单产估测。结果表明,LSTM-AM模型决定系数(R2)为0.65,均方根误差(RMSE)为496.43 kg/hm2,平均绝对百分比误差(MAPE)为7.31%,归一化均方根误差(NRMSE)为0.11,相较于LSTM模型(R2=0.60,RMSE为527.81 kg/hm2,MAPE为7.85%,NRMSE为0.15),LSTM-AM模型具有更高的模型估测精度,且对于LSTM模型存在的低产高估及高产低估现象均有所改善。为进一步提高模型可解释性,利用置换特征重要性方法(PFI)对模型估测结果进行了进一步的解释研究。结果表明,4月下旬和5月上旬的FPAR、3月下旬至5月上旬VTCI、4月下旬至5月下旬的LAI对冬小麦最终产量影响较大。因此,LSTM-AM模型不仅有着较高的估测精度,同时通过PFI方法提升了模型可解释性,可为后续冬小麦产量估测提供参考。 展开更多
关键词 冬小麦产量估测 遥感多参数 LSTM 注意力机制 可解释性分析
暂未订购 下载PDF
基于多头注意力机制和自定义损失函数LSTM的智能洪水预报 认领 引用 被引量：1
9
作者 胡川 史宗浩 +1 位作者 唐菲菲 朱洪洲 《中国农村水利水电》 北大核心 2026年第1期30-36,44,共7页
洪水是全球范围内常见的自然灾害之一,准确的洪水预报对于灾害预防和应急管理具有重要意义。传统洪水预报模型在处理复杂降雨数据和洪峰特征时存在局限性,为此,研究提出了一种融合注意力机制和自定义Floss损失函数的LSTM模型。研究以南... 洪水是全球范围内常见的自然灾害之一,准确的洪水预报对于灾害预防和应急管理具有重要意义。传统洪水预报模型在处理复杂降雨数据和洪峰特征时存在局限性,为此,研究提出了一种融合注意力机制和自定义Floss损失函数的LSTM模型。研究以南宁市邕江流域为案例,收集了南宁市邕江流域2008至2024年15场历史洪水事件的降雨及洪峰数据,通过滑动窗口方法扩展为320组训练样本。模型训练过程中引入K折交叉验证,以提升泛化能力与收敛效率;同时采用粒子群优化(PSO)算法对网络结构和学习率等关键超参数进行自动化调优。为降低洪峰水位低估风险,设计了包含低估惩罚项和水位加权项的Floss损失函数,用以强化模型对高水位区域的敏感性。在测试阶段,对比了含有多头注意力机制和不含该机制的LSTM模型在Floss损失函数下的预测效果,并进一步对比了传统损失函数Huber、MAE、MSE与自定义Floss损失函数的预测效果。结果表明:(1)引入注意力机制的模型预测精度显著提升,测试集RMSE较基础模型(1.964 2)降低41.6%,达到1.146 2;(2)Floss损失函数通过低估惩罚(β=1.206 9)和水位权重调整(α=1.0),有效减少预测低估现象,其RMSE(1.146 2)优于Huber(1.183 4)、MAE(1.186 4)和MSE(1.231 3);(3)融合注意力机制与Floss的LSTM模型在3场独立洪水事件中的洪峰水位未出现低估且误差在1.15 m内。结果表明通过引入注意力机制和自定义损失函数提升了模型的预测精度和鲁棒性,为洪水智能预报提供了新的方法路径与技术支撑。 展开更多
关键词 注意力机制 自定义损失函数 LSTM 洪水预报 特征融合
暂未订购 下载PDF
基于LSTM神经网络的渡槽温度场预测 认领 引用 被引量：1
10
作者 王铁虎 刘平安 +3 位作者 欧玉鹏 越斐 朱泽众 张迅 《灌溉排水学报》 CAS CSCD 2026年第2期73-81,共9页
【目的】准确预测渡槽的离散点温度及内外表面温差,基于长短期记忆神经网络(LSTM)提出一种渡槽温度场预测模型。【方法】以某大跨度简支U形渡槽为依托,基于实测数据分析了渡槽内部温度以及渡槽各部位内外表面温差的变化规律;根据结构内... 【目的】准确预测渡槽的离散点温度及内外表面温差,基于长短期记忆神经网络(LSTM)提出一种渡槽温度场预测模型。【方法】以某大跨度简支U形渡槽为依托,基于实测数据分析了渡槽内部温度以及渡槽各部位内外表面温差的变化规律;根据结构内部温度传感器返回的数据建立温度时序数据库,训练神经网络模型实现未来各测点温度及渡槽内外表面温差预测。【结果】渡槽表面及内部温度呈日周期及年周期变化,跨中与支座截面温度在8月达到最高值,分别为45℃与40℃,1月降至最低值,接近0℃与5℃;渡槽内部温度达到峰值的时间随着深度的增加而推迟,表面达到最低温度时渡槽出现负温度梯度,表面达到最高温度时渡槽出现正温度梯度;LSTM神经网络预测结果相对CNN及MLP神经网络的平均绝对误差(MAE)更小、决定系数(R2)更接近于1;基于LSTM神经网络的预测温度曲线与实测曲线基本一致,误差不超过1.681℃;渡槽各部位内外温差的预测误差值不超过2.22℃/m,预测结果准确性较高。【结论】LSTM神经网络预测方法性能优异,可为渡槽未来安全性预测提供参考。 展开更多
关键词 渡槽结构 温度变化 温度场预测 长短期(LSTM)神经网络
暂未订购 下载PDF
基于RF和Self-attention改进LSTM的大坝变形预测方法及异常值判定 认领 引用 被引量：1
11
作者 都旭煌 田振宇 +5 位作者 齐智勇 毛延翩 汤正阳 王波 远近 牟猷 《水电能源科学》 北大核心 2026年第2期167-173,共7页
变形是反映大坝结构性态的直观物理量,提升变形预测精度是保障大坝安全稳定运行的关键。基于变形统计模型提取变形影响因子,结合随机森林(RF)实现因子优选,并利用自注意力机制(Self-attention)优化长短期记忆神经网络(LSTM),继而发展了... 变形是反映大坝结构性态的直观物理量,提升变形预测精度是保障大坝安全稳定运行的关键。基于变形统计模型提取变形影响因子,结合随机森林(RF)实现因子优选,并利用自注意力机制(Self-attention)优化长短期记忆神经网络(LSTM),继而发展了一种新型变形预测模型。首先根据统计模型中包含的影响因子构建初始因子集合;其次基于RF筛选对变形影响程度较高的因子参与预测建模,以降低模型复杂度、提升变形预测精度;最后在LSTM算法基础上引入Self-attention策略,提升算法对变形时序关系的挖掘能力,从而实现RF-LSTM/Self-attention变形预测模型的构建。案例结果表明,所提方法变形预测精度高于对比方法,对应均方根误差、平均绝对误差、决定系数的最大提升比分别为57.81%、59.59%、5.94%,验证了RF-LSTM/Self-attention模型在大坝变形预测领域的有效性。将所提方法应用到变形异常识别中,可有效判定存在于变形中的异常数据,验证了所提变形预测方法的可拓展能力。 展开更多
关键词 大坝变形预测 随机森林 因子优选 自注意力机制 LSTM 异常值判定
暂未订购 下载PDF
基于CEEMDAN-混合算法-LSTM的区域地下水埋深预测模型 认领 引用 被引量：1
12
作者 刘东 覃胡涛 +2 位作者 张祥敏 张亮亮 齐晓晨 《农业机械学报》 EI CAS CSCD 北大核心 2026年第6期320-328,共9页
为提高区域地下水埋深预测精度,提出一种CEEMDAN-混合算法-LSTM预测模型。基于完全自适应噪声集成经验模态分解法(CEEMDAN),将建三江分公司下辖15个农场的地下水埋深数据分解为5个模态分量,从而有效降低输入数据的复杂性。同时,将红狐... 为提高区域地下水埋深预测精度,提出一种CEEMDAN-混合算法-LSTM预测模型。基于完全自适应噪声集成经验模态分解法(CEEMDAN),将建三江分公司下辖15个农场的地下水埋深数据分解为5个模态分量,从而有效降低输入数据的复杂性。同时,将红狐优化算法(RFO)和鲸鱼优化算法(WOA)结合的混合算法,用于优化长短记忆神经网络(LSTM)模型关键参数,包括时间步长、隐藏单元数、批量大小和学习率,以进一步提高模型预测精度。将月降水量和水田井灌水量作为LSTM模型输入因子,分别对5个模态分量进行预测,最终通过累加各分量预测值得到地下水埋深预测值。结果表明:与反向传播神经网络(BP)模型和循环神经网络(RNN)模型相比,CEEMDAN-混合算法-LSTM模型均方根误差(RMSE)降低43%以上,决定系数R2和纳什效率系数(NSE)均提升超18%;预测结果表明,2023—2027年建三江分公司整体地下水埋深变化幅度达6.22%,其中南部农场地下水埋深普遍大于北部农场。 展开更多
关键词 地下水埋深 CEEMDAN 混合算法 LSTM 建三江分公司
暂未订购 下载PDF
应用VMD-Transformer-ResLSTM的短期天然气负荷预测 认领 引用 被引量：2
13
作者 赵明智 郭光荣 +2 位作者 范立军 韩龙 于千城 《中国测试》 CAS 北大核心 2026年第3期144-153,共10页
由于城市居民的消费习惯和生活节奏的变化,精确预测天然气消耗量变得尤为重要。为此,文章设计一种基于VMD-Transformer-ResLSTM的混合神经网络模型。首先,通过变分模态分解(VMD)将原始负荷序列分解为本征模态函数(IMF)分量,从而避免模... 由于城市居民的消费习惯和生活节奏的变化,精确预测天然气消耗量变得尤为重要。为此,文章设计一种基于VMD-Transformer-ResLSTM的混合神经网络模型。首先,通过变分模态分解(VMD)将原始负荷序列分解为本征模态函数(IMF)分量,从而避免模态混叠和假峰值的问题。随后,对Transformer解码层进行重新构建,并将其与LSTM网络融合,旨在更好地捕捉序列中的长期依赖关系,同时减少模型参数。为解决LSTM网络中常见的梯度消失和梯度爆炸问题,文章引入残差连接机制,将其整合到Transformer和LSTM网络中。其次,为进一步提升预测精度,设计一个误差修正模块,以提高天然气负荷预测的稳定性和准确性。实验结果表明,该组合模型在预测精度上显著优于传统模型如ARIMA、Transformer、GRU和LSTM,预测的平均绝对误差(MAE)提升23%~58%。综上所述,该方法可显著提升天然气负荷预测的精度。 展开更多
关键词 天然气短期负荷预测 变分模态分解 Transformer LSTM 残差连接 误差修正
暂未订购 下载PDF
利用ICEEMDAN-LSTM的台风登陆期间电离层TEC扰动探测 认领 引用 被引量：1
14
作者 杨芸珍 刘立龙 +3 位作者 韩青宏 黄东桂 张亚丽 林俊良 《导航定位学报》 CSCD 北大核心 2026年第2期1-9,共9页
针对台风电离层异常扰动探测参考背景值的精度直接影响探测结果的准确性,而传统方法确定背景值的精度较低的问题,提出一种台风登陆期间电离层TEC扰动探测方法:结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和长短期记忆(LSTM)神... 针对台风电离层异常扰动探测参考背景值的精度直接影响探测结果的准确性,而传统方法确定背景值的精度较低的问题,提出一种台风登陆期间电离层TEC扰动探测方法:结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)和长短期记忆(LSTM)神经网络构建短时电离层总电子含量(TEC)背景值的确定方法;然后将其用于2023年台风“苏拉”登陆期间电离层TEC异常扰动探测。结果表明:1)ICEEMDAN-LSTM模型在地磁活跃期和平静期确定背景值的相对精度分别为91.18%和93.10%,较四分位距法、LSTM模型和CEEMDAN-LSTM模型可提高0.58~60.35个百分点;而均方根误差和偏差则减小数倍;ICEEMDAN-LSTM模型确定背景值的精度显著高于四分位距法和单一的LSTM模型。2)将提出的方法用于2023年台风“苏拉”登陆期间的电离层TEC扰动探测,发现台风登陆点周围的4个格网点电离层TEC在登陆当天和登陆后第1天分别表现出负异常和正负异常现象;结合日地空间环境,台风登陆当天的电离层扰动与“苏拉”存在一定联系,且距离台风路径越近,电离层TEC扰动越显著。 展开更多
关键词 台风 电离层扰动 总电子含量(TEC) 长短期记忆(LSTM)神经网络 改进的自适应噪声完备集合经验模态分解(ICEEMDAN)
暂未订购 下载PDF
基于LSTM-Transformer模型的电网侧储能容量优化配置 认领 引用 被引量：2
15
作者 张建辉 焦晶 +1 位作者 贺悝 谭庄熙 《电气工程学报》 CSCD 北大核心 2026年第1期360-372,共13页
考虑储能调峰-调频复合场景有助于提高储能在新能源电网中经济性和应用效果。提出一种考虑调峰调频数据驱动建模的储能容量优化配置方法。首先,基于传统调峰与调频模型的数学描述,构建多时间尺度调峰调频场景下的端到端映射规则;然后,... 考虑储能调峰-调频复合场景有助于提高储能在新能源电网中经济性和应用效果。提出一种考虑调峰调频数据驱动建模的储能容量优化配置方法。首先,基于传统调峰与调频模型的数学描述,构建多时间尺度调峰调频场景下的端到端映射规则;然后,利用深度学习端到端的特性及出色的非线性映射能力,运用长短期记忆网络(Long short term memory,LSTM)-Transformer模型挖掘调峰与调频场景的数据特征以保证潮流计算精度和加快频率计算速度;最后,基于历史数据和K-Medoids聚类选取典型日集合并将数据驱动模型嵌入到储能容量优化配置模型中,以储能配置经济性为目标函数,考虑系统内的运行约束建立储能配置-运行双层优化模型。算例表明,相较于单一场景,多场景储能配置下的经济性提升了34.7%,并且以数据驱动辅助储能优化模型可有效提高计算速度和精度。 展开更多
关键词 储能系统 潮流计算 频率响应 双层优化 LSTM-Transformer模型
暂未订购 下载PDF
TransCarbonNet:Multi-Day Grid Carbon Intensity Forecasting Using Hybrid Self-Attention and Bi-LSTM Temporal Fusion for Sustainable Energy Management 认领 引用 被引量：1
16
作者 Amel Ksibi Hatoon Albadah +1 位作者 Ghadah Aldehim Manel Ayadi 《Computer Modeling in Engineering & Sciences》 SCIE EI 2026年第1期812-847,共36页
Sustainable energy systems will entail a change in the carbon intensity projections,which should be carried out in a proper manner to facilitate the smooth running of the grid and reduce greenhouse emissions.The prese... Sustainable energy systems will entail a change in the carbon intensity projections,which should be carried out in a proper manner to facilitate the smooth running of the grid and reduce greenhouse emissions.The present article outlines the TransCarbonNet,a novel hybrid deep learning framework with self-attention characteristics added to the bidirectional Long Short-Term Memory(Bi-LSTM)network to forecast the carbon intensity of the grid several days.The proposed temporal fusion model not only learns the local temporal interactions but also the long-term patterns of the carbon emission data;hence,it is able to give suitable forecasts over a period of seven days.TransCarbonNet takes advantage of a multi-head self-attention element to identify significant temporal connections,which means the Bi-LSTM element calculates sequential dependencies in both directions.Massive tests on two actual data sets indicate much improved results in comparison with the existing results,with mean relative errors of 15.3 percent and 12.7 percent,respectively.The framework has given explicable weights of attention that reveal critical periods that influence carbon intensity alterations,and informed decisions on the management of carbon sustainability.The effectiveness of the proposed solution has been validated in numerous cases of operations,and TransCarbonNet is established to be an effective tool when it comes to carbon-friendly optimization of the grid. 展开更多
关键词 Carbon intensity forecasting self-attention mechanism bidirectional LSTM temporal fusion sustainable energy management smart grid optimization deep learning
暂未订购 下载PDF
基于TOPMODEL-LSTM耦合模型的安墩水流域洪水模拟研究 认领 引用
17
作者 张慧文 解河海 +3 位作者 莫李娟 杨一彬 吴仁达 鞠琴 《节水灌溉》 北大核心 2026年第3期63-69,共7页
针对长短期记忆(LSTM)神经网络模型难以融合流域物理特征的问题,提出了TOPMODEL-LSTM耦合模型,基于安墩水流域2008-2018年水文数据,对比分析了3种输入方案下1~6 h预见期的径流模拟性能。结果表明:(1)耦合模型在各预见期下的预报精度均优... 针对长短期记忆(LSTM)神经网络模型难以融合流域物理特征的问题,提出了TOPMODEL-LSTM耦合模型,基于安墩水流域2008-2018年水文数据,对比分析了3种输入方案下1~6 h预见期的径流模拟性能。结果表明:(1)耦合模型在各预见期下的预报精度均优于LSTM模型,其中RMSE值平均降幅15%,MAE值平均降幅13%,R2由0.78提升至0.83,在一定程度上提升了洪水模拟精度;(2)在流域水文过程模拟中,采用逐时降水数据与同期径流量观测值联合作为模型基础输入数据的方案,经多组对比试验验证,其模拟精度显著优于单一径流输入或其他组合输入方案;(3)随着预见期延长,所有模型及其方案的模拟精度均出现下降,但耦合模型有效缓解了LSTM模型的记忆衰减问题,表现出更稳定的模拟性能。研究结果可为传统洪水模拟模型与人工智能模型的耦合建模提供技术参考。 展开更多
关键词 洪水模拟 TOPMODEL-LSTM耦合模型 LSTM模型 预见期 安墩水流域
暂未订购 下载PDF
基于注意力机制LSTM神经网络的北方岩溶大泉水位预测研究 认领 引用 被引量：1
18
作者 黄林显 徐征和 +7 位作者 支传顺 李双 刘治政 邢立亭 朱恒华 王晓玮 毕雯雯 胡晓农 《地学前缘》 EI CAS CSCD 北大核心 2026年第1期419-431,共13页
岩溶地下水是北方岩溶区重要供水水源,准确预测其水位动态对地下水资源科学管理和保护具有重要意义。但岩溶含水系统具有强烈的非均质性和各向异性,导致其水位动态往往体现出非平稳及非线性波动状态,造成进行地下水位预测时易产生较大... 岩溶地下水是北方岩溶区重要供水水源,准确预测其水位动态对地下水资源科学管理和保护具有重要意义。但岩溶含水系统具有强烈的非均质性和各向异性,导致其水位动态往往体现出非平稳及非线性波动状态,造成进行地下水位预测时易产生较大误差。论文提出一种耦合注意力机制(Attention)和长短时记忆(LSTM,Long Short-Term Memory)神经网络的多变量趵突泉地下水位预测模型,利用泉域2013—2024年日降水(代表补给项)及水汽压、日气温和开采量(代表排泄项)进行模型训练和预测,结果表明:①采用BEAST(Bayesian Estimator of Abrupt Change,Seasonality,and Trend)算法对1958—2024年趵突泉水位时间序列进行分解,共识别出四个突变点并以此为依据将水位动态划分为四个阶段;②互相关分析揭示降雨和趵突泉水位动态变化之间存在2~3个月的时间滞后,表明两者之间动态变化较为一致;③所提出的预测模型以多种变量(降水量、水汽压、气温及开采量)作为模型输入,不同变量间的交互作用可相互验证,能有效提升预测精度;④采用正弦函数拟合日气温数据,可消除测量误差影响,能在一定程度上提高预测精度;⑤相较于单一LSTM神经网络和门控循环单元(GRU)神经网络,LSTM_Attention神经网络由于引入注意力机制,能聚焦更重要特征的影响,从而显著提高预测精度,其水位预测RMSE和R 2值分别为0.13 m和0.94。总体来说,本文所提出的LSTM_Attention神经网络岩溶地下水位预测模型具有较强的准确性和稳定性,可为岩溶地下水位精确预测提供借鉴。 展开更多
关键词 北方岩溶 水位预测 多变量模拟 LSTM_Attention神经网络
暂未订购 下载PDF
基于LSTM-Transformer模型的突水条件下矿井涌水量预测 认领 引用 被引量：2
19
作者 李振华 姜雨菲 +1 位作者 杜锋 王文强 《河南理工大学学报（自然科学版）》 CAS 北大核心 2026年第1期77-85,共9页
目的矿井涌水量精准预测对预防矿井水害和保障矿井安全生产具有重要意义,为精准预测矿井涌水量,构建适用于华北型煤田受底板L1-4灰岩含水层和奥陶系灰岩含水层水害威胁的矿井涌水量预测模型。方法以河南某典型矿井的水文监测数据为基... 目的矿井涌水量精准预测对预防矿井水害和保障矿井安全生产具有重要意义,为精准预测矿井涌水量,构建适用于华北型煤田受底板L1-4灰岩含水层和奥陶系灰岩含水层水害威胁的矿井涌水量预测模型。方法以河南某典型矿井的水文监测数据为基础,提出LSTMTransformer模型。利用LSTM捕捉矿井涌水量的动态时序特征,通过Transformer的多头注意力机制分析含水层水位变化和矿井涌水量之间的复杂时序关联,构建水位动态变化驱动下的矿井涌水量精准预测框架。结果结果表明,LSTM-Transformer模型预测精度显著优于LSTM,CNN,Transformer和CNN-LSTM模型的,其均方根误差为20.91 m3/h,平均绝对误差为16.08 m3/h,平均绝对百分比误差为1.12%,且和单因素涌水量预测模型相比,水位-涌水量双因素预测模型预测结果更加稳定。结论LSTM-Transformer模型成功克服传统方法在捕捉复杂水文地质系统中水位-涌水量动态关联上的局限,为矿井涌水量动态预测提供可解释性强、鲁棒性好的解决方案,也为类似地质条件下矿井涌水量预测提供了新方法。 展开更多
关键词 涌水量预测 水位动态响应 LSTM-Transformer耦合模型 时间序列预测 注意力机制 矿井安全生产
暂未订购 下载PDF
融合提示工程与BERT-LSTM模型的“卡脖子”替代技术识别 认领 引用 被引量：1
20
作者 仵轩 李广建 +1 位作者 王楚涵 潘佳立 《图书馆论坛》 CSSCI 北大核心 2026年第3期135-147,共13页
针对“卡脖子”技术研究存在替代技术识别机制缺失与技术要素解析精度不足等局限,文章提出融合提示工程与BERT-LSTM模型的“卡脖子”替代技术识别方法。首先,基于商业管制清单(Commercial Control List,CCL)对ECCN物项进行解析,并开展... 针对“卡脖子”技术研究存在替代技术识别机制缺失与技术要素解析精度不足等局限,文章提出融合提示工程与BERT-LSTM模型的“卡脖子”替代技术识别方法。首先,基于商业管制清单(Commercial Control List,CCL)对ECCN物项进行解析,并开展专利检索工作,通过SPC算法提取技术主路径的关键核心专利;其次,运用大语言模型提示工程抽取“问题-方案对”,借此解析技术功效,并结合功能导向搜索(Function-Oriented Search,FOS)初步查找可能具备技术替代功效的相关专利;再次,采用BERT-LSTM模型对专利文本实施二元分类,精准识别出具备技术替代功效的专利样本;通过提示工程抽取“方案-类别对”,系统识别替代技术方案;最后,建立科学-产业双维度评估体系完成替代技术潜力分级。文章以光刻技术为例,阐述该识别方法的应用流程,系统识别出极紫外(Extreme Ultra-violet,EUV)光刻技术的五种替代技术及其替代潜力。 展开更多
关键词 “卡脖子”技术 替代技术 提示工程 BERT-LSTM模型 光刻技术
暂未订购 下载PDF
已选0条
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 2 … 250 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈