检索结果-内蒙古大学图书馆

中国生态农业学报（中英文） 2019年第8期27卷 1226-1237页

作者：王钧李广刘强甘肃农业大学林学院兰州730070 甘肃农业大学信息科学技术学院兰州730070

为分析陇中黄土高原沟壑区不同保护性耕作措施的贮水效果,本研究利用春小麦/豌豆(W/P)、豌豆/春小麦(P/W)轮作的长期定位试验,分别设置传统耕作(T)、免耕(NT)、传统耕作秸秆覆盖(TS)和免耕覆盖(NTS)4种耕作措施,以当地月平均气温、月降... 详细信息

为分析陇中黄土高原沟壑区不同保护性耕作措施的贮水效果,本研究利用春小麦/豌豆(W/P)、豌豆/春小麦(P/W)轮作的长期定位试验,分别设置传统耕作(T)、免耕(NT)、传统耕作秸秆覆盖(TS)和免耕覆盖(NTS)4种耕作措施,以当地月平均气温、月降水量、月平均辐射量、月平均蒸发量、月作物耗水量为输入因子,以月土壤贮水量为输出,建立基于长短期记忆(Long Short-Term Memory,lstm)神经网络的土壤贮水量预测模型,并对该模型的有效性进行评估。研究结果表明:1)基于lstm神经网络建立的土壤贮水量模型对陇中黄土高原沟壑区保护性耕作下土壤贮水量预测具有较好的适用性,模型模拟结果的平均均方根误差为7.76mm,平均绝对误差为6.95mm,相对误差控制在5%^+5%的范围内。2)P/W轮作序列中各处理的土壤贮水量均比W/P轮作序列增加1.09%~1.43%。3)不同轮作序列,NTS处理的贮水效果均优于其他3种耕作措施,在W/P轮作序列中,NTS处理的年均土壤贮水量比T、NT和TS分别增加2.89%、1.70%和2.46%;在P/W轮作序列中,NTS处理的年均土壤贮水量比T、NT和TS分别增加3.03%、1.91%和2.57%。4)不同降水年型,NTS处理的土壤贮水量最高,且干旱年效果更加显著,其中丰水年NTS处理的土壤贮水量比T、NT和TS平均增加2.71%、1.48%和2.19%,而干旱年平均增加3.97%、2.54%和3.64%。5)保护性耕作措施的贮水效果随季节发生变化,作物生长前期(3—5月)保护性耕作措施的贮水优势较为明显,进入作物生长旺盛期(5—6月)保护性耕作措施与传统耕作的贮水效果差异不显著,而作物生长后期(7月)保护性耕作措施较传统耕作土壤贮水量明显增加。基于lstm神经网络模拟环境下免耕覆盖的贮水保墒效果最好,为陇中黄土高原沟壑区最适宜的保护性耕作措施。

关键词：保护性耕作春小麦/豌豆轮作土壤贮水量 lstm神经网络预测模型陇中黄土高原沟壑区

来源：评论

学校读者我要写书评

暂无评论

环境温度影响下基于lstm神经网络识别结构损伤

引用

计算力学学报 2024年第2期41卷 248-255页

作者：黄炎葛思源翟慕赛常军苏州科技大学土木工程学院苏州215011

环境温度的改变会引起模态参数的变化,其变化程度会掩盖或部分掩盖损伤引起的变化量,导致结构健康监测系统发出假阳性或假阴性的误判,因此,消除温度效应是提高损伤识别精度的关键。本文基于lstm神经网络提出了一种环境温度影响下识别结... 详细信息

环境温度的改变会引起模态参数的变化,其变化程度会掩盖或部分掩盖损伤引起的变化量,导致结构健康监测系统发出假阳性或假阴性的误判,因此,消除温度效应是提高损伤识别精度的关键。本文基于lstm神经网络提出了一种环境温度影响下识别结构损伤的方法。充分利用lstm神经网络的非线性映射优势,建立多元温度-模态频率的相关模型,在此基础上采用数据标准化方法消除温度效应,并结合控制图判断模态频率异常变化以确定损伤状况。最后将所提方法在数值模型和实际桥梁中加以应用,结果表明,方法能够有效消除温度效应;结合控制图能识别损伤时刻,并具有一定的抗噪性;在实桥数据分析中仍能表现出较好的损伤敏感性。

关键词： lstm神经网络结构健康监测温度模态频率变分模态分解

来源：评论

学校读者我要写书评

暂无评论

基于惯性传感器和lstm神经网络的人体运动识别方法

引用

传感技术学报 2020年第11期33卷 1536-1543页

作者：佟丽娜马航航彭亮中国矿业大学(北京)机电与信息工程学院北京100083 中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190

面向人体惯性运动捕捉系统,提出一种基于长短期记忆网络(lstm)的人体运动模式识别方法。设计1个包含2层lstm层的深度学习神经网络对人体三维加速度信息进行自动特征提取并对多类运动模式进行时序建模,从而实现对运动模式的快速实时识别... 详细信息

面向人体惯性运动捕捉系统,提出一种基于长短期记忆网络(lstm)的人体运动模式识别方法。设计1个包含2层lstm层的深度学习神经网络对人体三维加速度信息进行自动特征提取并对多类运动模式进行时序建模,从而实现对运动模式的快速实时识别。实验基于WISDM公开数据集,对人体右腿前口袋部位的三维加速度信息进行分析,验证模型识别人体慢跑、步行、坐、站、上楼、下楼运动过程的准确率为97.5%,并通过对比实验验证了该方法的有效性。为基于移动设备及可穿戴设备的人体运动识别研究提供了一个可行的方法。

关键词：人体运动识别惯性运动信息 lstm神经网络时序模型

来源：评论

学校读者我要写书评

暂无评论

基于lstm神经网络的黑色金属期货套利策略模型

引用

中国科学技术大学学报 2018年第2期48卷 125-132页

作者：龙奥明毕秀春张曙光中国科学技术大学数学科学学院安徽合肥230026 中国科学技术大学管理学院统计与金融系安徽合肥230026

利用协整检验方法和lstm神经网络算法,建立黑色金属期货市场的套利策略模型.利用基于lstm神经网络套利策略模型对大连商品交易所上市的焦炭期货、铁矿石期货和上海期货交易所上市的螺纹钢期货进行实证研究.对比研究基于lstm神经网络、B... 详细信息

利用协整检验方法和lstm神经网络算法,建立黑色金属期货市场的套利策略模型.利用基于lstm神经网络套利策略模型对大连商品交易所上市的焦炭期货、铁矿石期货和上海期货交易所上市的螺纹钢期货进行实证研究.对比研究基于lstm神经网络、BP神经网络和卷积神经网络的3种套利策略模型,实证结果表明基于lstm神经网络的黑色金属期货套利策略模型可行有效,并且比BP神经网络套利策略模型和卷积神经网络套利策略模型表现更好.

关键词：黑色金属期货跨品种套利协整 lstm神经网络

来源：评论

学校读者我要写书评

暂无评论

基于lstm神经网络与贝叶斯优化的电站风机故障预警

引用

热能动力工程 2022年第8期37卷 213-220页

作者：雷萌吕游魏玮任倩华北电力大学控制与计算机工程学院北京102206 华北电力大学电站能量传转化与系统教育部重点实验室北京102206 北京中交国通智能交通系统技术有限公司北京100088

风机持续健康稳定运行是电站机组安全性与经济性的重要保障,故障预警技术对于提高风机运行可靠性和降低维护成本尤为重要。为此,本文提出一种基于长短期记忆(Long short-term memory,lstm)神经网络与贝叶斯优化算法的早期故障预警方法,... 详细信息

风机持续健康稳定运行是电站机组安全性与经济性的重要保障,故障预警技术对于提高风机运行可靠性和降低维护成本尤为重要。为此,本文提出一种基于长短期记忆(Long short-term memory,lstm)神经网络与贝叶斯优化算法的早期故障预警方法,充分挖掘电站风机正常运行数据,采用lstm网络挖掘多种参数的关联特性及历史数据的时序特性,建立风机运行状态预测模型。为了提高预测模型的精确度,利用贝叶斯优化算法优化并设定lstm网络的最佳超参数组合。考虑模型预测偏离度的非平稳性和多极值特点,引入广义极值理论从正常运行工况中确定报警阈值,以实现设备的早期故障预警。最后,将所提出的算法应用于某燃煤电站引风机故障预警中。结果表明:贝叶斯优化算法优化后的lstm神经网络不仅可以精确表征风机在正常状态下运行行为,同时能够准确地获取风机的故障信息,从而能够在故障发生前4 h发现异常,实现故障预警。

关键词： lstm神经网络贝叶斯优化电站风机故障预警预测偏离度广义极值理论

来源：评论

学校读者我要写书评

暂无评论

基于lstm神经网络的人体动作识别

引用

图学学报 2021年第2期42卷 174-181页

作者：杨世强杨江涛李卓王金华李德信西安理工大学机械与精密仪器工程学院陕西西安710048

人体动作识别为人机合作提供了基础支撑,机器人通过对操作者动作进行识别和理解,可以提高制造系统的柔性和生产效率。针对人体动作识别问题,在三维骨架数据的基础上,对原始三维骨架数据进行平滑去噪处理以符合人体关节点运动的平滑规律... 详细信息

人体动作识别为人机合作提供了基础支撑,机器人通过对操作者动作进行识别和理解,可以提高制造系统的柔性和生产效率。针对人体动作识别问题,在三维骨架数据的基础上,对原始三维骨架数据进行平滑去噪处理以符合人体关节点运动的平滑规律;构建了由静态特征和动态特征组成的融合特征用来表征人体动作;引入了关键帧提取模型来提取人体动作序列中的关键帧以减少计算量;建立了以lstm神经网络为基础的Bi-lstm神经网络的人体动作分类模型,引入注意力机制以及Dropout进行人体动作分类识别,并对神经网络的主要参数采用正交试验法进行了参数优化;最后利用公开数据集进行动作识别实验。结果表明,该模型算法对人体动作具有较高的识别率。

关键词：动作识别融合特征 lstm神经网络注意力机制 Dropout

来源：评论

学校读者我要写书评

暂无评论

基于lstm神经网络深度序列机械钻速实时预测

引用

西安石油大学学报（自然科学版） 2024年第1期39卷 122-128页

作者：冯义朱亮杨立军李慎越席俊卿陈芳纪慧中石油吐哈油田分公司工程技术研究院新疆哈密839000 油气钻完井技术国家工程研究中心湖北武汉430100 油气钻采工程湖北省重点实验室(长江大学) 湖北武汉430100 长江大学石油工程学院湖北武汉430100

机械钻速是钻井优化、缩短钻井周期的关键因素,传统的机械钻速预测大多是在钻井后进行钻井分析,预测效率和精度低、地层适用性不广。为了以更高效的方法预测得到高精度机械钻速,提出基于长短期记忆(lstm)神经网络的深度序列机械钻速预... 详细信息

机械钻速是钻井优化、缩短钻井周期的关键因素,传统的机械钻速预测大多是在钻井后进行钻井分析,预测效率和精度低、地层适用性不广。为了以更高效的方法预测得到高精度机械钻速,提出基于长短期记忆(lstm)神经网络的深度序列机械钻速预测方法。采集实时钻井数据集,使用皮尔逊相关系数衡量各特征之间的相关性,筛选出井深、伽玛射线、地层密度、孔隙压力、井径、钻时、排量、钻井液密度等8个参数。构建lstm神经网络模型,训练lstm模型并预测ROP,对预测结果进行分析,并用决定系数(R^(2))、均方根误差(RMSE)、平均绝对百分比误差(MAPE)等指标对lstm模型、BP模型和SVM模型性能进行对比分析。结果表明:lstm模型其R^(2)、RMSE和MAPE的值分别为0.948、1.151和17.075,相较于BP模型和SVM模型,其R^(2)更大,RMSE和MAPE较小,说明lstm模型预测性能更好。该方法有助于钻井工程师和决策者提前获得钻井信息,从而更好地规划钻井作业,缩短钻井周期,同时为钻井参数预测提供新的途径,能改善以往预测方法在处理复杂地层问题时效率不高、预测精度低等问题。

关键词：机械钻速 lstm神经网络深度序列实时预测人工智能深度学习

来源：评论

学校读者我要写书评

暂无评论

基于lstm神经网络的小转弯隧道TBM掘进轴线偏差预测方法

引用

煤炭学报 2024年第S2期49卷 1184-1194页

作者：杜立杰郝洪达李青蔚杨亚磊张卫东刘家驿冯宏朝石家庄铁道大学大型基础设施性能与安全省部共建协同创新中心河北石家庄050043 中国水利水电第十一工程局有限公司河南三门峡450001

在全断面掘进机(FullFaceTunnelBoringMachine,TBM)施工中,由于地质环境、人员操作和设备自身等因素的影响,TBM掘进路线与设计轴线容易发生较大偏离,特别是在小转弯隧道中,TBM掘进方位和姿态的控制更加困难。为了解决这个问题,提出了一... 详细信息

在全断面掘进机(FullFaceTunnelBoringMachine,TBM)施工中,由于地质环境、人员操作和设备自身等因素的影响,TBM掘进路线与设计轴线容易发生较大偏离,特别是在小转弯隧道中,TBM掘进方位和姿态的控制更加困难。为了解决这个问题,提出了一种基于深度长短时记忆(Long Short-Term Memory,lstm)神经网络的TBM掘进轴线偏差预测方法。该模型利用MAT-LAB软件进行搭建,以TBM掘进时产生的历史掘进参数作为输入数据,对未来时刻TBM的掘进轴线偏差进行预测。首先,对数据进行预处理,包括二值判别函数等方法,并利用皮尔逊分析方法选取出24维掘进参数作为预测模型的输入。以水平偏差为例,预测TBM掘进轴线偏差。然后,对模型的不同结构进行了分析,选择不同的lstm层数和不同的神经元数量组成新的模型结构,确定了最优的模型结构和不同预测时间的最优输入时间段。最后,将R100m转弯段的掘进数据作为测试集,输入训练完成后的模型进行模型验证。结果表明:当模型中lstm层为2层、每层神经元数量为128个时,模型结构预测性能最优;当预测时长为1min时,模型拟合优度为0.969、平均绝对误差为1.506mm、均方根误差为2.412mm,实现了良好的预测效果。通过这种方法可以帮助操作人员预知TBM掘进轴线偏差情况,提前调整TBM姿态,避免TBM隧道轴线出现较大的施工偏差,提高隧道施工的精度和安全性。

关键词：全断面掘进机小转弯隧道轴线偏差 lstm神经网络预测方法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习lstm神经网络的全球股票指数预测研究

引用

统计研究 2019年第3期36卷 65-77页

作者：杨青王晨蔚复旦大学金融研究院复旦大学经济学院

作为深度学习技术的经典模型之一,长短期记忆(lstm)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层lstm神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①lstm神... 详细信息

作为深度学习技术的经典模型之一,长短期记忆(lstm)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层lstm神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①lstm神经网络具有很强的泛化能力,对全部指数不同期限的预测效果均很稳定;②相比三种对照模型(SVR、MLP和ARIMA),lstm神经网络具有优秀的预测精度,其对全部指数的平均预测精度在不同期限上均有提升;③lstm神经网络能够有效控制误差波动,相比三种对照模型,其对全部指数的平均预测稳定度在不同期限上亦均有提高。鉴于lstm神经网络在预测精度和稳定度两方面的优势,其未来在金融预测等方向将有广阔的应用前景。

关键词： lstm神经网络深度学习股票指数预测

来源：评论

学校读者我要写书评

暂无评论

基于二元lstm神经网络的船舶运动预测算法研究

引用

海洋科学 2021年第9期45卷 69-74页

作者：张博一胡雄唐刚邵辰彤上海海事大学物流工程学院上海202003

在海况环境下,进行船舶运动预测时。由于惯性传感器采集系统本身的电学特性,会产生误差偏移,影响预测的准确性。针对这一问题,在常规长短期记忆网络(lstm)的基础上,设计改良了一种二元的lstm网络架构。在船舶运动仿真平台上进行模拟船... 详细信息

在海况环境下,进行船舶运动预测时。由于惯性传感器采集系统本身的电学特性,会产生误差偏移,影响预测的准确性。针对这一问题,在常规长短期记忆网络(lstm)的基础上,设计改良了一种二元的lstm网络架构。在船舶运动仿真平台上进行模拟船舶升沉运动实验,并通过惯性传感系统测量仿真平台实时积分位移进行计算验证。验证统计该网络预测结果峰差值均方差0.64%,均值均方差0.42%,峰值均方差0.57%,证实该网络较常规lstm在船舶运动预测领域具有更好的针对性和适应性,更准确的对船舶运动进行预测。

关键词：船舶运动预测 lstm神经网络频域积分位移

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：