检索结果-内蒙古大学图书馆

激光杂志 2024年第8期45卷 218-223页

作者：刘子恒刘汉城敏乾甘肃民族师范学院甘肃合作747000

高光谱激光雷达数据在频谱维度上具有很高的维度,包含大量的波段或频带,易出现忽视频谱带中有用信息的情况,进而导致高光谱激光雷达信号分选效果较差。为此,提出基于改进随机森林的高光谱激光雷达信号分选研究。首先,采用变分模态分解... 详细信息

高光谱激光雷达数据在频谱维度上具有很高的维度,包含大量的波段或频带,易出现忽视频谱带中有用信息的情况,进而导致高光谱激光雷达信号分选效果较差。为此,提出基于改进随机森林的高光谱激光雷达信号分选研究。首先,采用变分模态分解算法对高光谱激光雷达含噪信号展开去噪处理;然后,采用长短期记忆神经网络算法对去噪后的高光谱激光雷达信号展开特征提取,并利用自编码神经网络对提取的特征展开重构处理,以获取重构后的雷达信号特征;最后,采用随机森林算法根据高光谱激光雷达信号特征完成信号分选。实验结果表明,所提方法的SNR为30.648 dB,RMSE为0.1498,预测分选类别与实际分选类别几乎一致,分析时间始终未超过5 s,表明所提方法的分选性能较好,具有实用性。

关键词：高光谱激光雷达信号随机森林变分模态分解算法长短期记忆神经网络算法自编码神经网络

来源：评论

学校读者我要写书评

暂无评论

基于融合模型的广州机场高速公路的行程时间预测

基于融合模型的广州机场高速公路的行程时间预测

引用

作者：杨靖文东华大学

学位级别：硕士

随着我国经济的日益强盛,我国的机动车总数量也在逐年递增,这使得高速公路的压力越来越大。为了缓解人们出行需求的急切增长所导致的高速公路交通供给与需求的矛盾,智能交通系统（Intelligent Transportation Systems,ITS）研究与建设... 详细信息

随着我国经济的日益强盛,我国的机动车总数量也在逐年递增,这使得高速公路的压力越来越大。为了缓解人们出行需求的急切增长所导致的高速公路交通供给与需求的矛盾,智能交通系统（Intelligent Transportation Systems,ITS）研究与建设得到关注,其中,高速公路的行程时间预测是智能交通系统实施过程中必不可少的环节,能有效提高公众出行幸福指数。本文的基础数据集是来自广州市机场三元里至机场南路的收费数据,基于融合模型,给出该路段的行程时间预测。首先,对高速公路行程时间的特性进行分析,包括周-日行程时间变化规律、日-时行程时间变化规律和周期性;再对初始数据集中的异常数据采用阈值法和标准差法进行剔除;选择路段编号、距离、前一期、前两期和前三期时间段内的平均行程时间、前一辆车的平均行程时间、上一个时间段内的平均速度标准差、小时、周天、一小时内的平均速度共计十个指标作为特征向量,利用min-max标准化,对距离、前一期、前两期和前三期时间段内的平均行程时间、前一辆车的平均行程时间、上一个时间段内的平均速度标准差和一小时内的平均速度共七个数值型特征向量进行归一化处理,再对路段编号、小时、周天这三个类别型特征向量进行独热编码处理,经过归一化处理和独热编码处理后消除量纲和量纲单位对模型的影响;通过随机森林算法的featureimportances_参数直接给出各特征向量的重要性,通过比较各特征向量的重要性进行特征筛选。其次,使用随机森林算法和长短期记忆神经网络算法分别建立高速公路行程时间预测模型,利用广州市机场三元里至机场南路部分路段的数据,分别对两个模型进行训练,并将两个模型的输出作为贝叶斯回归模型的输入,最终得到融合模型的输出。最后,对三个模型的预测结果进行对比分析。结果表明,基于融合模型的平均绝对误差MAE为1.68,均方误差MSE为3.26,平均绝对百分比误差MAPE为8.39%,均小于长短期记忆神经网络模型和随机森林模型在测试集上的误差。因此基于融合模型的预测结果更稳定,误差更小,预测能力更优。最后使用加拿大Whitemud Drive高速公路数据对模型的适用性进行验证,结果显示:基于融合模型的行程时间预测在进行短时行程时间预测时具有模型简便、运行时间短和精确度高的优点。

关键词：行程时间融合模型随机森林算法长短期记忆神经网络算法数据预处理

来源：评论

学校读者我要写书评

暂无评论

基于长短期记忆神经网络的健康状态估算

引用

农业装备与车辆工程 2020年第4期58卷 77-81页

作者：肖仁鑫宋新月张梦帆夏雪磊肖佳鹏昆明理工大学交通工程学院云南省昆明市650500

当前电池健康状态估算与预测在处理大量电池数据、时间间隔较长存在一定缺陷。长短期记忆神经网络算法在解决该问题时效果明显。在完成电池循环充放电实验基础之上,分析和提取电池放电过程中外部信号变化的特征指标,以电池放电数据中放... 详细信息

当前电池健康状态估算与预测在处理大量电池数据、时间间隔较长存在一定缺陷。长短期记忆神经网络算法在解决该问题时效果明显。在完成电池循环充放电实验基础之上,分析和提取电池放电过程中外部信号变化的特征指标,以电池放电数据中放电容量、放电时间、循环次数训练并建立了长短期记忆神经网络预测模型,采用3种不同的自适应学习率优化算法对学习训练部分进行优化,最后对比分析模型预测的准确程度。结果表明,长短期记忆神经网络估算电池健康状态的误差小于5%,证明预测模型的有效性。

关键词：锂离子电池健康状态长短期记忆神经网络算法学习率优化

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：