检索结果-内蒙古大学图书馆

数码-移动生活 2022年第8期 136-138页

作者：黄鲸惠湛江科技学院广东湛江 524000

时间序列预测是汇率预测的常用方法,本文将多种神经网络模型相结合提高时间序列预测准确度,cnn(卷积神经网络)能够进行特征提取和减少过度拟合,lstm(长短期记忆模型)具有能够处理时序相依数据的能力,本文在cnn特征提取特性和lstm时序处... 详细信息

时间序列预测是汇率预测的常用方法,本文将多种神经网络模型相结合提高时间序列预测准确度,cnn(卷积神经网络)能够进行特征提取和减少过度拟合,lstm(长短期记忆模型)具有能够处理时序相依数据的能力,本文在cnn特征提取特性和lstm时序处理特性的基础上提出cnn-lstm的汇率预测模型,对美元兑人民币汇率的时间序列数据特征提取,然后使用模型进行预测汇率,通过该模型提高了预测准确度,减少了预测误差.

关键词：时间序列卷积神经网络cnn 长短期记忆模型(lstm) 汇率预测 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TBM隧道掘进参数及岩爆等级预测

引用

煤炭科学技术 2024年第S2期52卷 21-37页

作者：满轲武立文刘晓丽宋志飞李可娜北方工业大学土木工程学院北京100144 清华大学水沙科学与水利水电工程国家重点实验室北京100084

为了提高交通水利和深部煤矿工程中的TBM智能化施工和灾害预测的能力,提出了一种结合卷积神经网络(cnn)和长短时记忆神经网络(lstm)优势的cnn-lstm模型,依托“引汉济渭”工程,预测TBM隧道稳定段掘进参数和岩爆等级。此外,对TBM数据进行... 详细信息

为了提高交通水利和深部煤矿工程中的TBM智能化施工和灾害预测的能力,提出了一种结合卷积神经网络(cnn)和长短时记忆神经网络(lstm)优势的cnn-lstm模型,依托“引汉济渭”工程,预测TBM隧道稳定段掘进参数和岩爆等级。此外,对TBM数据进行清洗和预处理,根据桩号将TBM数据、地质参数和岩爆等级匹配,基于灰色关联分析筛选出合理的预测指标,合理选择cnn-lstm模型的超参数以获得较好的预测结果,并与其他模型的预测结果进行对比分析。研究结果表明:对于TBM隧道稳定阶段的掘进参数推力F、贯入度P和扭矩M,cnn-lstm模型预测的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)明显小于其他模型且较稳定。其中,扭矩M的预测效果最好,推力F的预测效果次之,贯入度P的预测效果最差;随着岩爆等级的增加,刀盘和刀具受到严重冲击,不同模型对于以上掘进参数的预测效果变差,但cnn-lstm模型的预测结果均在有效范围内且具有较高的鲁棒性;cnn-lstm模型预测TBM隧道岩爆等级的准确率(ACC)、精确率(PRE)和召回率(REC)明显高于其他模型,准确率(ACC)、宏观精确率(MPRE)和宏观召回率(MREC)分别达到98.17%、97.73%和98.58%;根据模型的随机采样分析可知,cnn-lstm模型对于相同容量的不同岩爆样本的鲁棒性较高,明显优于其它模型。综上,cnn-lstm模型对于TBM隧道的掘进参数及岩爆等级的预测具有可行性和有效性。

关键词： TBM隧道掘进参数岩爆等级 cnn-lstm模型灰色关联分析

来源：评论

学校读者我要写书评

暂无评论

基于STIRPAT和cnn-lstm组合模型的福建省碳达峰预测

引用

环境科学 2025年第1期46卷 10-18页

作者：连艳琼苏墩煌施生旭福建农林大学公共管理与法学院福州350002

碳达峰对中国实现“双碳”目标、推动经济社会绿色转型具有重要意义.基于改进的STIRPAT模型分析影响福建省碳排放的主要因素,设置3种情景方案,利用cnn-lstm神经网络混合模型对福建省2022~2035年碳排放量进行预测.结果表明:①人口、人均... 详细信息

碳达峰对中国实现“双碳”目标、推动经济社会绿色转型具有重要意义.基于改进的STIRPAT模型分析影响福建省碳排放的主要因素,设置3种情景方案,利用cnn-lstm神经网络混合模型对福建省2022~2035年碳排放量进行预测.结果表明:①人口、人均GDP和产业结构对福建省碳排放有正向驱动作用,能源强度、能源结构和对外贸易度则起负向驱动作用;②基准情景下于2033年实现碳达峰,达峰值为361.1079 Mt,低碳情景和优化情景可以提早1 a达峰且达峰值均有不同程度下降,分别为333.0284 Mt和301.7483 Mt;③对比优化情景和低碳情景,调整产业和能源结构能够控制福建省碳峰值降低10.37%,加快推动能源和产业结构优化转型是解绑碳排放与经济发展之间束缚的关键所在.最后,结合福建省当前政策规划和发展现状,从能源减排、产业结构和制度体系等角度提出低碳发展建议.

关键词：碳排放碳达峰 STIRPAT模型 cnn-lstm模型政策

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm的独居老人室内行动轨迹监测模型研究

引用

办公自动化 2025年第7期 103-105页

作者：周磊浙江工商职业技术学院

提出一种新型的神经网络模型，结合卷积神经网络（cnn）和长短期记忆网络（lstm），旨在长期跟踪与预测独居老人的健康状态。模型构建中，cnn负责从每日行动轨迹图中提取行为习惯和健康相关的时空特征，lstm则基于这些特征序列学习老人... 详细信息

提出一种新型的神经网络模型，结合卷积神经网络（cnn）和长短期记忆网络（lstm），旨在长期跟踪与预测独居老人的健康状态。模型构建中，cnn负责从每日行动轨迹图中提取行为习惯和健康相关的时空特征，lstm则基于这些特征序列学习老人的正常行为模式，处理时间序列数据的长期依赖。该模型不仅能识别即时异常，还能预判潜在的健康问题，如阿尔茨海默症。最后，通过定义异常行为标签并编码为监督学习目标，模型实现对老人异常状态的有效预测，为独居老人的健康监护提供更为全面和前瞻性的解决方案。

关键词： cnn-lstm模型轨迹图分析异常状态识别

来源：评论

学校读者我要写书评

暂无评论

大数据背景下基于改进RNN的低压配电网线损智能分析方法

引用

沈阳工业大学学报 2025年第1期47卷 130-136页

作者：李学军张世元福州大学电气工程与自动化学院福建福州350108 国网甘肃省电力公司数字化事业部甘肃兰州730050

【目的】在电力系统中,线损率是衡量电网系统设计、运维和管理水平的重要经济技术指标,对于保障电网的稳定经济运行、提高供电效率具有重要意义。然而,在用户数量激增、用能特征多样化的大数据背景下,线损率的计算评价工作面临较大挑战... 详细信息

【目的】在电力系统中,线损率是衡量电网系统设计、运维和管理水平的重要经济技术指标,对于保障电网的稳定经济运行、提高供电效率具有重要意义。然而,在用户数量激增、用能特征多样化的大数据背景下,线损率的计算评价工作面临较大挑战。传统线损计算方法依赖于电网参数,精细化程度偏低,计算准确率不佳。【方法】针对该问题,提出了一种基于改进循环神经网络(RNN)的低压配电网线损智能分析方法,旨在通过智能化手段提高线损计算的准确性和效率。方法利用K-means算法对智能配电网的海量用户数据进行分类预处理,以降低数据冗余度。采用层次分析法(AHP)从分类数据中提取线损指标,这些指标随后被输入到深度学习模型中,其中,核心深度学习模型是由卷积神经网络(cnn)和改进长短时记忆网络(lstm)模型融合而成,该模型能够挖掘配电网数据特征,实现线损的智能分析。通过IEEE33节点的仿真模型进行实验验证,充分展示所提方法的有效性。【结果】实验结果表明,所提方法的均方误差(MSE)和相对误差百分数(RE)分别为3.15 MW和2.43%,计算精度较高。与现有方法相比,所提方法在大数据背景下的配电网线损智能分析中具有明显优势,能够全面考虑各种配电网的影响因素,获得更精准的线损计算结果。此外,通过与两种经典文献方法进行对比实验,进一步验证所提方法的性能优势。【结论】基于改进RNN模型的低压配电网线损智能分析方法通过K-means算法和AHP预处理提取线损指标,再利用cnn-lstm模型进行深入分析,有效提高了线损计算的准确性和效率。该方法主要针对低压配电网线路侧的线损进行分析,对于更高等级电压的线损分析尚未深入研究,但其在低压配电网线损智能分析中显示出优异的结果,具有实际应用价值。未来的研究将扩展到更广泛的校验分析,以提高方法的全面性和可靠性。此外,该方法的提出也为智能配电网的进一步研究和应用提供了新的思路和工具,有助于推动智能电网技术的发展和应用。通过这种方法,不仅可以提高线损计算的准确性,还能为电网的优化管理提供科学依据,对于提升电网运行效率、降低能源损耗具有重要的实际意义。随着技术的不断进步和数据量的日益增加,智能化的线损分析方法将成为电力系统运维中不可或缺的一部分。

关键词：大数据低压配电网 K-means聚类层次分析法特征提取 cnn-lstm模型智能线损分析循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm-VAE混合模型的储层参数预测方法

引用

地球物理学进展 2022年第5期37卷 1969-1976页

作者：李贺男段中钰郑桂娟王云雷北京信息科技大学信息与通信工程学院北京100029 中国石油东方地球物理公司研究院保定072751 中国石油集团地球物理勘探有限责任公司保定072751

利用测井资料预测储层参数是油气田开发的重要内容.针对现有储层参数预测模型精度低,不能很好的提取测井曲线和储层参数之间潜在关系的问题,本文将卷积神经网络(cnn)和长短期记忆网络(lstm)结合,提出基于变分自编码器(VAE)的cnn-lstm混... 详细信息

利用测井资料预测储层参数是油气田开发的重要内容.针对现有储层参数预测模型精度低,不能很好的提取测井曲线和储层参数之间潜在关系的问题,本文将卷积神经网络(cnn)和长短期记忆网络(lstm)结合,提出基于变分自编码器(VAE)的cnn-lstm混合模型.首先,提出了测井数据的分析方法,包括参数相关性分析和井间的相似度分析.其次,利用cnn提取每条测井曲线的空间相关特征向量,并使用lstm网络提取测井曲线相邻深度之间的时间特征.最后,采用VAE结构,根据训练数据的深层特征再次对cnn-lstm模型生成的泥质含量初步预测值进行修正.以大庆油田地区某井场数据验证该模型.仿真结果表明:与lstm神经网络模型、cnn-lstm网络模型相比,本文cnn-lstm-VAE模型具有更好的时空特征提取能力,能够更准确地预测储层参数,可为储层参数预测提供新思路.

关键词：泥质含量预测测井曲线lstm 神经网络 cnn-lstm模型变分自编码器

来源：评论

学校读者我要写书评

暂无评论

cnn-lstm在桥梁预警机制的研究与应用

引用

计算机应用与软件 2025年第3期42卷 29-33,40页

作者：潘浩李富年余兴盛秦寰宇陈志丹武汉科技大学信息科学与工程学院湖北武汉430081 中铁第四勘察设计院集团有限公司湖北武汉430081 华中科技大学湖北武汉430081

为了更好地满足桥梁健康监测系统的需求,提高桥梁健康监测系统的性能,将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制,提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景,将卷积神经网络cnn与... 详细信息

为了更好地满足桥梁健康监测系统的需求,提高桥梁健康监测系统的性能,将深度学习与时序数据库InfluxDB结合起来构建新型桥梁健康监测系统的预警机制,提高现代桥梁健康监测系统的危险感知能力。以赣江特大桥为背景,将卷积神经网络cnn与长短时记忆网络lstm结合起来构建cnn-lstm模型,对桥梁的挠度数据进行预测。通过对实验结果分析发现cnn-lstm模型能够有效预测出桥梁的挠度数据,在置信区间为±0.1 mm的情况下,准确率达到92.8%,在预测未来十分钟的挠度数据中,均方根误差RMSE为0.1097。实践表明时序数据库InfluxDB与cnn-lstm模型的融合增强桥梁健康监测系统对潜在威胁的感知能力,有效提高桥梁健康监测系统的预警报警机制。

关键词：桥梁工程长短时记忆网络卷积神经网络 cnn-lstm模型 InfluxDB

来源：评论

学校读者我要写书评

暂无评论

基于cnn-lstm的水质预测模型研究

引用

水电能源科学 2021年第3期39卷 20-23页

作者：周朝勉刘明萍王京威南昌大学信息工程学院江西南昌330000

为精确预测水质中的溶解氧(DO)浓度,提出了一种基于卷积神经网络(cnn)和长短期记忆网络(lstm)的混合模型,通过线性插值法补齐缺失值以提高数据完整性,将溶解氧数据按时间滑动窗口构造连续特征图作为输入,用cnn提取数据中的抽象特征,将... 详细信息

为精确预测水质中的溶解氧(DO)浓度,提出了一种基于卷积神经网络(cnn)和长短期记忆网络(lstm)的混合模型,通过线性插值法补齐缺失值以提高数据完整性,将溶解氧数据按时间滑动窗口构造连续特征图作为输入,用cnn提取数据中的抽象特征,将特征映射到lstm中得到预测值,并以安徽省蚌埠闸水质监测数据为样本对模型进行训练和验证。试验结果表明,cnn-lstm混合模型的均方根误差(RRMSE)为0.56、平均绝对百分比误差(MMAPE)为6.4%,与单一的lstm模型和BP神经网络(BPNN)模型相比分别降低了5.1%、7.2%和9.7%、12%。

关键词：水质预测 cnn-lstm模型 lstm模型线性插值法

来源：评论

学校读者我要写书评

暂无评论

cnn-lstm预测和PID控制的恒功率铣削方法

引用

天津职业技术师范大学学报 2025年第1期35卷 27-32页

作者：王威赵巍魏国家陈娴琦赵冠张宇天津职业技术师范大学机械工程学院天津300222 辽宁省交通高等专科学校机电系沈阳110122

为解决传统固定参数加工和控制系统响应速度慢导致的控制滞后问题,提出了一种旨在结合深度学习和自适应PID控制器,实现对台阶工件恒功率铣削的智能优化方法。该方法利用cnn-lstm模型预测主轴功率的变化,捕捉铣削过程中的动态特性和复杂... 详细信息

为解决传统固定参数加工和控制系统响应速度慢导致的控制滞后问题,提出了一种旨在结合深度学习和自适应PID控制器,实现对台阶工件恒功率铣削的智能优化方法。该方法利用cnn-lstm模型预测主轴功率的变化,捕捉铣削过程中的动态特性和复杂关系,并基于预测结果,通过自适应PID控制器实时调整进给倍率,实现恒功率切削。实验结果表明:基于深度学习和自适应PID控制器的进给倍率优化方案效果较好,能够在设定的进给倍率调节范围内保持恒定的功率切削,加工效率显著提高。

关键词： cnn-lstm模型自适应PID控制恒功率切削

来源：评论

学校读者我要写书评

暂无评论

基于VMD-EEMD-cnn-lstm混合模型的月径流预测

引用

水利规划与设计 2023年第7期 57-63页

作者：徐冬梅廖安栋王文川华北水利水电大学水资源学院河南郑州450046

针对传统径流预测模型对月径流序列尖峰点预测精度不足的问题,文章提出了一种VMD-EEMD-cnn-lstm混合预测模型。首先,对原始月径流序列进行变分模态分解(VMD)处理,得到具有有限带宽的本征模态分量(VMF)和较高复杂性的残差项(Res)。然后... 详细信息

针对传统径流预测模型对月径流序列尖峰点预测精度不足的问题,文章提出了一种VMD-EEMD-cnn-lstm混合预测模型。首先,对原始月径流序列进行变分模态分解(VMD)处理,得到具有有限带宽的本征模态分量(VMF)和较高复杂性的残差项(Res)。然后通过集合经验模态分解(EEMD)对Res进行二次分解,有效挖掘原始径流的隐藏信息。把各分量作为卷积神经网络(cnn)-长短期记忆网络(lstm)组合预测模型的输入,最后对各预测结果进行叠加重构,得到最终的结果。以乌江流域洪家渡水电站实测月径流数据为例,结果表明:VMD-EEMD-cnn-lstm模型具有更高的精确度,能有效提高对月径流序列尖峰点的预测精度。

关键词：径流预测二次分解变分模态分解集合经验模态分解 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：