检索结果-内蒙古大学图书馆

作者：王晓霞上海师范大学

学位级别：硕士

随着我国天然气行业的持续性发展,燃气负荷预测已经成为一项必不可少的工作。合理准确的预测对燃气管网的建设、调度规划以及运维管理等具有重要的参考意义与研究价值,因此有效提高燃气负荷预测精度是目前急需解决的一项工程问题。首先... 详细信息

随着我国天然气行业的持续性发展,燃气负荷预测已经成为一项必不可少的工作。合理准确的预测对燃气管网的建设、调度规划以及运维管理等具有重要的参考意义与研究价值,因此有效提高燃气负荷预测精度是目前急需解决的一项工程问题。首先,为了宏观了解燃气负荷预测的研究概况,本文介绍了燃气负荷预测的研究背景、意义以及燃气预测方面的相关知识。使读者对燃气负荷预测能够有一定的了解,形成一个基本的燃气负荷预测概念。其次,对燃气数据进行特性分析及预处理操作。由于掌握数据的变化规律及发展趋势是进行准确预测的基础,因此本文着重分析了负荷序列的内在特性以及负荷的外在影响因素。使用统计学方法自相关图以及单位根检验方法分析了负荷的不平稳性,并且结合燃气负荷趋势图分析了其年周期性、季节周期性以及周周期性。接着根据相关性系数计算得出燃气负荷数据的主要影响因素,为模型输入数据的确定提供了基础。为应对燃气数据中由于各种原因不可避免地会产生一些不良数据,本文使用一种改进的数据横向比较法来对不良数据进行辨识与修正,保证负荷曲线整体的趋势性及平滑性。然后本文介绍了LSTM神经网络及其优化方法AE-LSTM与EEMD-LSTM,两种优化方法分别针对解决单一LSTM模型存在的两个问题,即数据降维与减少不同信息干扰。虽然LSTM网络具有独特的记忆结构,可以存储数据序列长期的时间相关性,解决了时间序列预测的前后信息关联的问题。但是由于采样的时间序列数据受多种复杂因素的影响包含了许多噪声并且具有高维度的特征,而使用LSTM网络只能挖掘不同时段相同维度上的时间数据信息,无法对数据进行多维度的特征提取。为了解决数据降维的问题,本文利用自动编码器对影响因子进行特征提取来得到其高阶特征表示,挖掘其深层次的特征因子并使用相关性分析进行验证,建立了AE-LSTM模型并对模型结果进行对比分析。但AE-LSTM并未解决信息相互干扰影响LSTM模型预测结果的问题,因此本文利用信号处理方法EEMD得到负荷在不同尺度下的模态特征信息,消除噪声等多种不同信息的相互影响。同时为了减少计算的冗余度,本文使用样本熵算法按照分解结果复杂度的相似性重构为具有显著不同趋势信息的分量。建立EEMD-LSTM模型并对结果进行分析与评估。两个仿真实验结果均证明了其各自算法的有效性,提升了LSTM模型的预测效果。最后为了进一步提高燃气负荷预测精度,综合解决LSTM网络无法对时间序列数据进行多维度特征提取的问题,本文将上述两种优化算法与LSTM网络进行系统的结构化设计并融合,形成一种新的基于EEAE-LSTM多模型融合算法的燃气负荷预测模型。该模型同时完成了影响因素与负荷序列两个方面的特征提取,综合考虑了两种特征信息对负荷预测的影响。整体上弥补了LSTM网络无法对高维影响因素进行特征因子提取的缺陷以及减少了不同特征尺度下负荷信息对最终预测结果的干扰程度。在模型预测过程中,自动编码器生成的特征因子与EEMD样本熵分解重构后的各个分量组成分量训练矩阵,作为LSTM网络的输入数据建立预测模型。EEAE-LSTM模型全面考虑了燃气数据影响因素的特征、负荷数据本身的内在特征以及负荷数据时间尺度上的特征。通过建立EEAE-LSTM燃气负荷预测模型,继而与其他模型进行对比分析,最终证明了该模型的预测性能更优。

关键词：燃气负荷预测长短时记忆网络集合经验模式分解样本熵时间序列分析多模型融合算法自动编码器

来源：评论

学校读者我要写书评

暂无评论

融合N-Gram的水产养殖长文本实体关系联合抽取

引用

哈尔滨理工大学学报 2023年

作者：毕甜甜张思佳孙旭菲王水涛王祎涵安宗诗大连海洋大学信息工程学院/辽宁省海洋信息技术重点实验室设施渔业教育部重点试验室(大连海洋大学) 大连市智慧渔业重点实验室

针对水产养殖长文本中存在大量与目标主题无关的信息，导致模型误判和丢失有效信息的问题，提出了融合N-Gram的水产养殖长文本实体关系联合抽取方法。该方法首先采用多模型融合算法提取基于BERT初始化的文本矩阵特征图，进一步利用级联B... 详细信息

针对水产养殖长文本中存在大量与目标主题无关的信息，导致模型误判和丢失有效信息的问题，提出了融合N-Gram的水产养殖长文本实体关系联合抽取方法。该方法首先采用多模型融合算法提取基于BERT初始化的文本矩阵特征图，进一步利用级联BiLSTM提取深层次特征。然后逐层提取融合N-Gram算法预处理的长文本切片矩阵特征，建模切片矩阵的相对位置和绝对位置。在自构建的水产养殖长文本数据集和SKE公共数据集上的实验效果与基准模型相比有了明显提升。实验结果表明，该方法能够充分获取并处理水产养殖长文本中的语义信息，有效提高了实体关系抽取的准确性和完整性。

关键词：水产养殖长文本实体关系联合抽取 N-Gram算法多模型融合算法

来源：评论

学校读者我要写书评

暂无评论

基于多模型融合的开放式创新社区内容质量特征挖掘

引用

智能计算机与应用 2024年第1期14卷 214-223页

作者：杨汶静汪明艳上海工程技术大学管理学院上海201620

开放式创新社区高质量用户生成内容特征对企业精准获取技术创新意见具有重要作用。本文构建了开放式创新社区用户生成内容质量多维评价体系,提出一种融合5种算法的特征选择方法,在3种分类模型评估中得出最优特征子集,挖掘重要因素与高... 详细信息

开放式创新社区高质量用户生成内容特征对企业精准获取技术创新意见具有重要作用。本文构建了开放式创新社区用户生成内容质量多维评价体系,提出一种融合5种算法的特征选择方法,在3种分类模型评估中得出最优特征子集,挖掘重要因素与高质量用户生成内容之间的关系。集成特征子集在模型上计算时间平均节约54.54%,比单一特征选择算法得到的特征子集预测准确率平均提高10.47%。基于多模型融合算法能够客观全面评估开放式创新社区用户生成内容质量,让企业能够精准识别高质量用户生成内容,促进企业开放式创新。

关键词：开放式创新社区用户生成内容多模型融合算法特征选择

来源：评论

学校读者我要写书评

暂无评论

基于深度网络的智能化码头火灾报警技术研究

引用

港工技术 2022年第S01期59卷 65-71页

作者：黄加伟霍晨晨天津港第二集装箱码头有限公司天津300450

对于智能化码头而言,全面提升港口火灾防控能力和初期火灾处置能力势在必行。针对现有火灾检测技术普遍存在反应时间过长,检测效率不高,易受环境因素干扰,维护工作量大等问题。本文基于智能化码头特点引入了深度学习理论,通过搭建深度... 详细信息

对于智能化码头而言,全面提升港口火灾防控能力和初期火灾处置能力势在必行。针对现有火灾检测技术普遍存在反应时间过长,检测效率不高,易受环境因素干扰,维护工作量大等问题。本文基于智能化码头特点引入了深度学习理论,通过搭建深度神经网络,设计多模型融合算法,大幅提高智能化码头火灾检测准确率,从而实现智能化码头的安全生产,使港口安全高效的运作。

关键词：智能化码头火灾深度学习多模型融合算法图像处理

来源：评论

学校读者我要写书评

暂无评论

基于多源数据的季冻区路基沉降预测方法研究

基于多源数据的季冻区路基沉降预测方法研究

引用

作者：杨馨宇吉林大学

学位级别：硕士

随着铁路设计速度的提高,需要更加严格的控制路基沉降,保障行车的安全性和稳定性。季冻区的高速铁路路基处在复杂的地质条件和气候环境中,温度、含水量和土应力是影响季冻区路基沉降量的主要因素,而目前的基于实测数据预测路基沉降的研... 详细信息

随着铁路设计速度的提高,需要更加严格的控制路基沉降,保障行车的安全性和稳定性。季冻区的高速铁路路基处在复杂的地质条件和气候环境中,温度、含水量和土应力是影响季冻区路基沉降量的主要因素,而目前的基于实测数据预测路基沉降的研究中,缺少对温度、含水量、土应力等多影响因素的考虑。因此,研究一种基于多源数据的路基沉降预测方法,使其更加稳定、准确的预测高速铁路路基沉降量具有重要的现实意义。本文依托课题组国家重点研发计划项目“道路基础设施智能感知理论与方法(2018YFB1600200)”,研究温度、含水量和土应力的多变量路基沉降预测方法,依据哈大高铁的路基相关监测数据,分别构建思维进化法优化的BP神经网络和支持向量机回归(support vector regression,SVR)模型,对单个模型进行适用性和局限性分析。针对单个模型预测的局限性,提出了极限学习机(Extreme learning machine,ELM)多模型融合算法,该方法融合了两个模型的优点,弥补了单个模型预测的不稳定性。本文的主要工作内容如下:(1)分析季冻区路基沉降规律,根据季冻区路基的冻胀和融沉现象,确定影响季冻区路基沉降的主要影响因素,并分析每个因素对路基冻胀融沉的影响,为温度、含水量和土应力这三个变量作为输入参数指标预测路基沉降奠定理论基础。(2)选择合适的多源数据路基沉降预测方法,阐述BP神经网络和SVR的算法机理,介绍思维进化法优化BP神经网络的原理,分析BP神经网络和SVR的适用性及二者的差异性,为构建二者的组合模型提供理论基础。(3)对哈大高铁的路基监测数据进行预处理,选择合适的插值方式和样本集数量,通过对样本数据的仿真实验,选择最佳的模型参数、传递函数及训练函数,构建思维进化法优化BP神经网络的预测模型;利用网络搜索法和K-重交叉验证优化SVR模型参数,通过样本数据的仿真实验选择最佳的核函数,构建SVR模型。将两种模型应用于工程实例的路基沉降预测,通过实际工程的应用,证明了思维进化法-BP模型和SVR模型预测的有效性。(4)针对单个模型预测时精度不稳定、随机性强等缺点,提出了ELM多模型融合算法,通过极限学习机对思维进化法-BP神经网络和SVR模型进行变权组合预测。为了探究单个模型存在预测精度较低对该融合算法的影响,建立了对比实验,实验结果证明了在思维进化法-BP神经网络模型、SVR模型预测精度较高或较低的不同情况下,ELM多模型融合算法均可得到更小误差的预测结果,证明了ELM多模型算法较单个模型具有更高的稳定性和精确性。

关键词：路基沉降预测神经网络思维进化法支持向量回归机多模型融合算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：