检索结果-内蒙古大学图书馆

湖北农业科学 2025年第2期64卷 179-183,196页

作者：张瑛进史志强古丽米拉·克孜尔别克库木斯·阿依肯新疆农业大学计算机与信息工程学院乌鲁木齐830052 新疆医科大学第七附属医院乌鲁木齐830001

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... 详细信息

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。

关键词： cnn-lstm模型土壤温湿度缺失数据填补算法

来源：评论

学校读者我要写书评

暂无评论

cnn-lstm模型在边坡可靠度分析中的应用

引用

黄金科学技术 2023年第4期31卷 613-623页

作者：荣光旭李宗洋安徽工业经济职业技术学院地质与建筑工程学院安徽合肥230051 安徽省地勘局第一水文工程地质勘查院安徽蚌埠233000

为了准确高效地对边坡可靠度进行分析,在对420个边坡数据进行整理分析的基础上,建立了基于卷积神经网络(Convolutional Neural Network,cnn)与长短时记忆网络(Long Short-Term Memory,lstm)的混合可靠度分析模型。首先,通过cnn模块提取... 详细信息

为了准确高效地对边坡可靠度进行分析,在对420个边坡数据进行整理分析的基础上,建立了基于卷积神经网络(Convolutional Neural Network,cnn)与长短时记忆网络(Long Short-Term Memory,lstm)的混合可靠度分析模型。首先,通过cnn模块提取数据特征;其次,构建lstm模块并对边坡失效概率进行预测;然后,通过5因素4水平正交表L_(16)对模型超参数进行优化;最后,通过2个算例进行对比验证。结果表明:(1)相比传统的蒙特卡洛法(MCS),cnn-lstm模型预测失效概率相对误差仅为4.35%,而一次二阶矩法和响应面法相对误差为169.6%;在计算耗时方面,cnn-lstm模型耗时45 s,MCS耗时119 s,cnn-lstm模型效率比MCS提高了近2倍。(2)对比分析cnn、lstm模型和多元线性回归模型(Multiple Linear Regression,MLR)等多种机器学习方法用于可靠度分析方面的计算性能,得出cnn-lstm模型边坡失效概率预测相对误差远远小于cnn(104%)、lstm(91.3%)和MLR(34.78%)的相对误差,且计算耗时最少;(3)算例验证了cnn-lstm模型在边坡可靠度分析方面具有可行性和优越性。

关键词：边坡可靠度正交试验设计超参数 cnn-lstm模型

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm模型的黄河水质预测研究

引用

人民黄河 2021年第5期43卷 96-99,109页

作者：王军高梓勋朱永明郑州大学管理工程学院河南郑州450001 郑州航空工业管理学院大数据科学研究院河南郑州450046

水质预测是水资源管理和水污染防治的基础性、前提性工作,但黄河流域水质预测研究相对滞后。为了改善lstm水质预测模型的性能、提高其泛化能力,根据水质变化具有周期性和非线性的特征,以黄河小浪底水库溶解氧含量为研究对象,构建了一种... 详细信息

水质预测是水资源管理和水污染防治的基础性、前提性工作,但黄河流域水质预测研究相对滞后。为了改善lstm水质预测模型的性能、提高其泛化能力,根据水质变化具有周期性和非线性的特征,以黄河小浪底水库溶解氧含量为研究对象,构建了一种卷积神经网络cnn和长短时记忆网络lstm结合的cnn-lstm预测模型,经试验验证,该模型可以高效地提取水质特征信息并进行时间序列预测,预测误差比lstm模型的更低,其预测值的平均绝对误差和均方根误差分别比lstm模型的低19.72%和10.44%,对较大值和较小值的预测更为准确,且具有较好的泛化性能。

关键词：水质预测长短时记忆网络卷积神经网络 cnn-lstm模型小浪底水库黄河

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和cnn-lstm模型的螺纹钢期货价格预测

基于注意力机制和CNN-LSTM模型的螺纹钢期货价格预测

引用

作者：臧一诺中南财经政法大学

学位级别：硕士

随着我国城镇化需求的持续增长,螺纹钢作为我国基础设施建设的重要钢材品种,被广泛应用于各项土木工程建设中,包括房屋、桥梁、道路建设等,因此螺纹钢的生产量和需求量都较大。但是近年来螺纹钢价格波动剧烈,价格波动的影响因素众多,使... 详细信息

随着我国城镇化需求的持续增长,螺纹钢作为我国基础设施建设的重要钢材品种,被广泛应用于各项土木工程建设中,包括房屋、桥梁、道路建设等,因此螺纹钢的生产量和需求量都较大。但是近年来螺纹钢价格波动剧烈,价格波动的影响因素众多,使得钢铁企业无法掌握相关价格波动趋势,企业面临较大风险。为稳定钢铁行业的发展,降低钢铁企业面临的价格风险,上期所推出了螺纹钢期货。从螺纹钢期货推出到现在,我国的钢铁行业和期货市场都经历了较大变动。因此从技术面分析并建立螺纹钢期货价格预测模型,对市场投机者掌握期货价格变动规律从而规避风险,及对维持国内期货市场稳定发展均具有重要的实际意义。在文献研究的基础上,本文对螺纹钢期货价格预测的研究步骤如下:首先,阐述了期货投资的分析方法,介绍了螺纹钢期货的特点及用于期货价格预测相关的模型方法。其次,以螺纹钢期货为研究样本,基于螺纹钢期货的日线交易数据,从技术面分析的角度出发,构造了多种期货技术指标,用以完善数据特征。再次,使用XGBoost算法对准备建模的特征进行评估及筛选,以确定选择的特征是否适用于后续模型的预测结果。接下来,分别使用cnn、lstm单一模型和组合模型cnn-lstm、ATTlstm、ATT-cnn-lstm对螺纹钢期货价格进行预测,使用MAE、RMSE、MSE指标等分别评估多种单一模型和组合模型的预测效果,通过模型之间的对比来验证引入注意力机制的cnn-lstm模型对螺纹钢期货价格进行预测的优越性。本文实证分析得到的结果表明:一,本文所使用的基本交易指标及期货技术指标都能够很好地提取原始数据中包含的信息,期货本身的价格因素对于螺纹钢期货价格重要性程度较高,技术指标对其重要性相对较小。二,本文使用的引入注意力机制的cnn-lstm模型较好地结合了cnn空间扩展与lstm时间记忆的优势,通过注意力机制调节各特征之间的权重,能够对螺纹钢期货数据的变动趋势进行准确预测。经过与基准模型的对比得到,本文使用的组合模型有效提高了螺纹钢期货预测的精度,对于螺纹钢期货投资者来说,该模型也具有较高的风险投资参考价值。

关键词：螺纹钢期货技术面分析注意力机制 XGBoost模型 cnn-lstm模型

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm模型对武汉市空气质量的预测研究

基于CNN-LSTM模型对武汉市空气质量的预测研究

引用

作者：胡悦欣华中师范大学

学位级别：硕士

本文基于武汉市自2014年1月至2023年9月空气质量指数（Air Quality Index,AQI）、空气污染物浓度及气象因子的历史数据,对武汉市空气质量水平及空气污染物的发展规律和季节性变化进行研究。同时针对2024年武汉市AQI进行预测。本文首先... 详细信息

本文基于武汉市自2014年1月至2023年9月空气质量指数（Air Quality Index,AQI）、空气污染物浓度及气象因子的历史数据,对武汉市空气质量水平及空气污染物的发展规律和季节性变化进行研究。同时针对2024年武汉市AQI进行预测。本文首先基于武汉市每个月空气质量数据进行了研究,得到武汉市空气质量在冬季最差,在夏季和秋季最好。同时对六种空气污染物浓度的历史数据进行分析,得到除O3外其余五种污染物在近十年内始终保持冬季浓度高,夏季浓度低的状态。其次对空气质量的影响因素进行了研究,分别从六种空气污染物、五种气象因素、社会经济因素三个方面展开。分别利用灰色关联分析和相关性分析进行研究,结果表明:第一,六种污染物中除O3外其余五种与AQI都呈正相关且相关性较强;第二,五个气象因子均对AQI指数有显著性影响,且与AQI均呈负相关;第三,社会经济因素中与AQI关联度较高的因素为:建成区绿化覆盖率和第二产业占GDP的比重。最后,根据历史数据分别建立随机森林预测模型、lstm预测模型、ARIMA-lstm预测模型和cnn-lstm预测模型对空气质量指数进行预测,并将四个模型的预测精度进行比较,结果显示四个模型中cnn-lstm模型的预测精度最高,预测效果优于前三个模型。

关键词：灰色关联空气质量预测随机森林 lstm模型 cnn-lstm模型

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm模型的情感分析研究

引用

辽宁科技大学学报 2018年第6期41卷 469-474页

作者：高彦琳战学刚迟呈英辽宁科技大学软件学院辽宁鞍山114051

网络中存在着许多情感性评论和能反映出人们意见的信息,对这些文本进行情感分析可以获得许多有价值的结果。在情感分析的研究中,对特定的语境应选用与之相适应的算法模型,本文则是应用了相对较新的Pytorch深度学习框架,对斯坦福公开的... 详细信息

网络中存在着许多情感性评论和能反映出人们意见的信息,对这些文本进行情感分析可以获得许多有价值的结果。在情感分析的研究中,对特定的语境应选用与之相适应的算法模型,本文则是应用了相对较新的Pytorch深度学习框架,对斯坦福公开的影评数据分别采用cnn、lstm和cnn-lstm模型进行情感分析和比较研究。在对模型分别进行训练后,通过实验得到各模型在处理这份影评数据时的性能指标。实验结果表明,结合了预训练词向量的cnn-lstm模型在实验中表现较佳,证明了本文分析方法的有效性,并可为相关情感分析模型的优化提供一定的意义。

关键词：情感分析卷积神经网络长短期记忆神经网络 cnn-lstm模型词向量

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm模型的塔里木河水质预测研究

引用

中文科技期刊数据库（全文版）自然科学 2024年第4期 0170-0175页

作者：慕景新塔里木大学新疆阿克苏地区843300

准确可靠的水质预测可以更有效地管理和利用水资源。为水质预测提供了水质状况的科学依据,有助于加强对污染源的监管和治理。基于预测结果,可以采取针对性的措施,加强污水处理、减少排放、改善环境管理等方面的工作。为了提高水质预测... 详细信息

准确可靠的水质预测可以更有效地管理和利用水资源。为水质预测提供了水质状况的科学依据,有助于加强对污染源的监管和治理。基于预测结果,可以采取针对性的措施,加强污水处理、减少排放、改善环境管理等方面的工作。为了提高水质预测的准确性和泛化能力,构建卷积神经网络与长短期记忆网络lstm相结合的cnn-lstm混合预测模型,利用cnn提取数据中的抽象特征,以塔里木河水质理化指标溶解氧(DO)和溶解性固体(TDS)为研究对象,然后将提取出的特征序列输入到lstm网络中进行序列建模和预测。实验结果显示:与lstm、BP模型相比,cnn-lstm混合模型的DO均方根误差减少了9.6%和5.5%;TDS指标的均方根误差减少了14.9%和12%,降幅相当显著。

关键词：水质预测长短期记忆网络 cnn-lstm模型塔里木河流域

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm模型的中国碳排放量实时预测研究

引用

中阿科技论坛（中英文） 2022年第10期 71-75页

作者：张学清李芳张绚乔小燕李潇怡山东工商学院数学与信息科学学院山东烟台264005 山东工商学院统计学院山东烟台264005 山东工商学院计算机科学与技术学院山东烟台264005

碳排放量预测是碳中和目标达成工作中的重要组成部分。为了实时预测碳排放量,本文结合卷积神经网络在数据特征提取方面的优势和长短期记忆人工神经网络解决时间序列各个观测值依赖性问题的特点,提出了一种基于cnn-lstm的碳排放量预测模... 详细信息

碳排放量预测是碳中和目标达成工作中的重要组成部分。为了实时预测碳排放量,本文结合卷积神经网络在数据特征提取方面的优势和长短期记忆人工神经网络解决时间序列各个观测值依赖性问题的特点,提出了一种基于cnn-lstm的碳排放量预测模型。通过选取Carbon Monitor网站中国地区2019—2020年碳排放量的数据,筛选并输入与碳排放量相关的影响因素特征数据,采用滑动窗口动态训练模型,对中国每日碳排放量进行了预测分析,并与其他几种浅层神经网络模型进行比较。结果表明:本文提出的模型平均绝对误差、均方根误差、平均绝对百分比误差显著降低,有效提高了预测碳排放量的准确度。

关键词：碳中和碳排放量卷积神经网络 cnn-lstm模型实时预测

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm模型的红外图像疲劳情感状态分析方法

引用

中国新技术新产品 2023年第18期 9-11页

作者：刘星黄子琪南京信息职业技术学院数字商务学院江苏南京210021

基于计算机视觉的方法可以通过眼动和嘴巴的状态分析来检测驾驶员的疲劳程度。由于图像视觉方法具有准确性、实时性、非侵入性和低成本等特点,因此,对特定驾驶员面部图像进行识别的方法已被证明是当前最能产业化的技术。然而,当驾驶员... 详细信息

基于计算机视觉的方法可以通过眼动和嘴巴的状态分析来检测驾驶员的疲劳程度。由于图像视觉方法具有准确性、实时性、非侵入性和低成本等特点,因此,对特定驾驶员面部图像进行识别的方法已被证明是当前最能产业化的技术。然而,当驾驶员疲劳驾驶时,外界光照、驾驶员头部姿态以及面部变化等因素仍然给驾驶员疲劳检测带来许多挑战,在疲劳驾驶检测中最重要的部分就是人脸检测、特征提取和分类识别。该文主要研究了基于cnn网络提取驾驶员面部特征,并通过lstm网络来推断实车运行环境下驾驶员疲劳状态中的关键问题。试验证明,该文提出的方法具有较高的性能,可以进一步运用到实际场景中。

关键词： cnn-lstm模型红外图像疲劳驾驶人脸检测

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm模型的低压配电台区线损率预测研究

引用

电力设备管理 2023年第14期 100-102页

作者：陈众广西电网有限责任公司南宁供电局

低压配电台区线损率是衡量电网企业线损管理水平的重要指标之一。基于电量数据合理地预测台区线损率将有助于电网企业预先进行故障巡查、故障排除以减少电能损耗,其对于提升电网企业管理水平和减少运维成本有重要意义。针对现有线损预... 详细信息

低压配电台区线损率是衡量电网企业线损管理水平的重要指标之一。基于电量数据合理地预测台区线损率将有助于电网企业预先进行故障巡查、故障排除以减少电能损耗,其对于提升电网企业管理水平和减少运维成本有重要意义。针对现有线损预测方法存在计算难度大、特征提取不充分、预测结果较差的问题,本文提出一种基于cnn-lstm的线损预测模型。该模型采用卷积神经网络用于线损序列特征提取,通过长短时记忆网络进行特征学习与预测。具体实验表明,cnn-lstm线损预测模型相较于传统线损预测方法预测误差更小,与实际线损值更接近。

关键词：低压配电台区线损率预测 cnn-lstm模型

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：