期刊文献+
共找到20,784篇文章
< 1 2 250 >
每页显示 20 50 100
基于分子束外延技术可控制备Bi原子团簇的研究
1
作者 马玉麟 郭祥 丁召 《原子与分子物理学报》 CAS 北大核心 2025年第2期79-84,共6页
本研究基于分子束外延(MBE)技术在Si(111)衬底表面成功制备金属Bi原子团簇.首先,分别在100℃、125℃、150℃、175℃、200℃的生长温度下,制备了大小均一、密度不同的Bi原子团簇.实验结果表明,可以通过改变生长温度来精细控制Bi原子团簇... 本研究基于分子束外延(MBE)技术在Si(111)衬底表面成功制备金属Bi原子团簇.首先,分别在100℃、125℃、150℃、175℃、200℃的生长温度下,制备了大小均一、密度不同的Bi原子团簇.实验结果表明,可以通过改变生长温度来精细控制Bi原子团簇的密度,当温度升高100℃,密度从1.05×10^(11)cm^(-2)降低至2.5×10^(7)cm^(-2),实现对团簇密度4个数量级的可控调节,并且发现Bi原子团簇密度对生长温度的依赖性符合经典成核理论.其次,分别在10 s、15 s、20 s的沉积时长下,制备了密度相同、尺寸各异的Bi原子团簇.实验结果表明,可以通过改变沉积时长来精细控制Bi原子团簇的尺寸:当沉积时长增加10 s,高度和直径分别从8.5 nm和65 nm增大到13.7 nm和100 nm,实现对团簇尺寸在10 nm高度、80 nm直径范围的可控调节,并且发现Bi原子团簇尺寸对沉积时长的依赖性符合晶体生长动力学.与分子束外延制备传统的Ⅲ族(Al,Ga,In)原子团簇做对比,这些结果可以为制备Ⅴ族原子团簇提供实验参考和指导,从而促进纳米级含Bi材料的制备. 展开更多
关键词 分子束外延 bi原子团簇 生长温度 沉积时长 经典成核理论 晶体生长动力学
下载PDF
基于聚类的HPO-BILSTM光伏功率短期预测 被引量:2
2
作者 周育才 肖添 +2 位作者 谢七月 付强 钟敏 《太阳能学报》 EI CAS CSCD 北大核心 2024年第4期512-518,共7页
考虑到光伏发电功率在不同天气类型下的波动性和不确定性,对此提出一种基于模糊C均值聚类算法(FCM)和猎食者优化算法(HPO)优化双向长短期记忆网络(BILSTM)的光伏发电短期功率预测模型。首先对光伏发电数据进行处理和分析,再进行主成分分... 考虑到光伏发电功率在不同天气类型下的波动性和不确定性,对此提出一种基于模糊C均值聚类算法(FCM)和猎食者优化算法(HPO)优化双向长短期记忆网络(BILSTM)的光伏发电短期功率预测模型。首先对光伏发电数据进行处理和分析,再进行主成分分析(PCA)降维和FCM聚类算法将数据按天气类型分为阴、晴、雨;最后通过HPO筛选得出BILSTM神经网络的最佳超参数,避免因超参数设置不佳对实验带来的影响,进一步提高实验的准确性和模型的泛化能力。最后通过预测和对比实验进行分析,验证所提方法的优越性。 展开更多
关键词 光伏发电 双向长短期记忆网络 功率预测 降维 聚类 优化算法
下载PDF
基于CNN-BiGRU-Attention的短期电力负荷预测 被引量:2
3
作者 任爽 杨凯 +3 位作者 商继财 祁继明 魏翔宇 蔡永根 《电气工程学报》 CSCD 北大核心 2024年第1期344-350,共7页
针对目前电力负荷数据随机性强,影响因素复杂,传统单一预测模型精度低的问题,结合卷积神经网络(Convolutional neural network,CNN)、双向门控循环单元(Bi-directional gated recurrent unit,BiGRU)以及注意力机制(Attention)在短期电... 针对目前电力负荷数据随机性强,影响因素复杂,传统单一预测模型精度低的问题,结合卷积神经网络(Convolutional neural network,CNN)、双向门控循环单元(Bi-directional gated recurrent unit,BiGRU)以及注意力机制(Attention)在短期电力负荷预测上的不同优点,提出一种基于CNN-BiGRU-Attention的混合预测模型。该方法首先通过CNN对历史负荷和气象数据进行初步特征提取,然后利用BiGRU进一步挖掘特征数据间时序关联,再引入注意力机制,对BiGRU输出状态给与不同权重,强化关键特征,最后完成负荷预测。试验结果表明,该模型的平均绝对百分比误差(Mean absolute percentage error,MAPE)、均方根误差(Root mean square error,RMSE)、判定系数(R-square,R~2)分别为0.167%、0.057%、0.993,三项指标明显优于其他模型,具有更高的预测精度和稳定性,验证了模型在短期负荷预测中的优势。 展开更多
关键词 卷积神经网络 双向门控循环单元 注意力机制 短期电力负荷预测 混合预测模型
下载PDF
铸态下Sn-Bi二元共晶焊料合金的组织特征及其力学性能
4
作者 唐玲 张会 +1 位作者 孟凡莹 刘艳 《有色金属工程》 CAS 北大核心 2024年第7期52-59,共8页
研究了四种不同Bi含量(45%、50%、55%、60%)的Sn-Bi二元共晶合金自由凝固下的组织特征和力学性能,探讨了Sn-Bi二元共晶合金的晶体生长机制以及Bi元素含量对合金显微组织的影响。结果表明:Sn-Bi二元亚共晶合金铸态下的金相组织为初生Sn... 研究了四种不同Bi含量(45%、50%、55%、60%)的Sn-Bi二元共晶合金自由凝固下的组织特征和力学性能,探讨了Sn-Bi二元共晶合金的晶体生长机制以及Bi元素含量对合金显微组织的影响。结果表明:Sn-Bi二元亚共晶合金铸态下的金相组织为初生Sn固溶体相和Sn/Bi共晶层片集群构成,随着Bi含量的增加,呈树枝晶形态生长的初生Sn相数量减少,形态长大。初生Sn固溶体相内部脱溶析出大量的杆状或点状Bi相,形成杆状共晶结构;Sn-Bi二元过共晶合金铸态下的金相组织为初生Bi相和Sn/Bi共晶层片集群构成,初生Bi相中基本不固溶Sn元素,呈小平面方式生长,并在在初生Bi相周围包裹生长一层Sn晕圈相。在室温下,Sn-Bi二元共晶合金的硬度和强度随着Bi含量的增加而上升,延伸率随着Bi含量的增加先上升后下降。 展开更多
关键词 Sn-bi二元共晶合金 杆状共晶 晕圈相 显微组织 力学性能
下载PDF
Mg-Bi系合金的研究进展
5
作者 杨来东 陈晓亚 +3 位作者 刘浩锐 罗宏博 赵磊 王建吉 《功能材料》 CAS CSCD 北大核心 2024年第7期7038-7050,共13页
合金元素Bi的价格较低,在镁中有较高的固溶度,随着温度降低,其固溶度减小,析出Mg_(3)Bi_(2)相,提高了镁的力学性能,因此Mg-Bi系合金具有良好的固溶和时效硬化潜力。在Mg-Bi系合金中加入Sn、Mn、Al、Ca、Zn等元素,改善合金组织,能够进一... 合金元素Bi的价格较低,在镁中有较高的固溶度,随着温度降低,其固溶度减小,析出Mg_(3)Bi_(2)相,提高了镁的力学性能,因此Mg-Bi系合金具有良好的固溶和时效硬化潜力。在Mg-Bi系合金中加入Sn、Mn、Al、Ca、Zn等元素,改善合金组织,能够进一步提高合金的力学性能及耐腐蚀性。文中介绍了国内外学者对Mg-Bi系合金的研究进展,在总结Mg-Bi二元合金研究成果基础上,系统的概述了Mg-Bi-Sn系、Mg-Bi-Mn系、Mg-Bi-Al系、Mg-Bi-Ca系、Mg-Bi-Zn系等合金的组织和性能,综述了合金化对合金第二相、晶粒尺寸、织构、动态再结晶的影响,阐述了合金元素种类、添加量及热加工参数与合金力学性能的关系。总结了Mg-Bi系合金研究中存在的问题,并对今后的研究工作进行了展望。 展开更多
关键词 Mg-bi系合金 合金化 显微组织 力学性能
下载PDF
基于Bo-BiLSTM网络的IGBT老化失效预测方法 被引量:1
6
作者 万庆祝 于佳松 +1 位作者 佟庆彬 闵现娟 《电气技术》 2024年第3期1-10,共10页
针对绝缘栅双极型晶体管(IGBT)受热应力冲击后对其进行老化失效预测精度不高的情况,提出一种基于贝叶斯优化(Bo)-双向长短期记忆(BiLSTM)网络的IGBT老化失效预测方法。首先分析IGBT模块老化失效原理,然后基于NASA老化实验数据集建立失... 针对绝缘栅双极型晶体管(IGBT)受热应力冲击后对其进行老化失效预测精度不高的情况,提出一种基于贝叶斯优化(Bo)-双向长短期记忆(BiLSTM)网络的IGBT老化失效预测方法。首先分析IGBT模块老化失效原理,然后基于NASA老化实验数据集建立失效特征数据库,最后利用Matlab软件构造Bo-BiLSTM网络预测失效特征参数数据。选取常用回归预测性能评估指标将长短期记忆(LSTM)网络模型、BiLSTM网络模型与Bo-BiLSTM网络模型的预测结果进行对比分析。结果表明,Bo-BiLSTM网络的模型拟合精度更高,基于Bo-BiLSTM网络的IGBT老化失效预测方法具有较好的预测效果,能够应用于IGBT的失效预测。 展开更多
关键词 绝缘栅双极型晶体管(IGBT) 贝叶斯优化 双向长短期记忆(biLSTM)网络 老化失效预测
下载PDF
基于改进INFO-Bi-LSTM模型的SO_(2)排放质量浓度预测 被引量:1
7
作者 王琦 柴宇唤 +2 位作者 王鹏程 刘百川 刘祥 《动力工程学报》 CAS CSCD 北大核心 2024年第4期641-649,共9页
针对火电机组SO_(2)排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weighted mean of vectors,INFO)算法与双向长短期记忆(bi-directional long short term memory,Bi-LSTM)神经网络相结合的预测模型(改进IN... 针对火电机组SO_(2)排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weighted mean of vectors,INFO)算法与双向长短期记忆(bi-directional long short term memory,Bi-LSTM)神经网络相结合的预测模型(改进INFO-Bi-LSTM模型)。采用Circle混沌映射和反向学习产生高质量初始化种群,引入自适应t分布提升INFO算法跳出局部最优解和全局搜索的能力。选取改进INFO-Bi-LSTM模型和多种预测模型对炉内外联合脱硫过程中4种典型工况下的SO_(2)排放质量浓度进行预测,将预测结果进行验证对比。结果表明:改进INFO算法的寻优能力得到提升,并且改进INFO-Bi-LSTM模型精度更高,更加适用于SO_(2)排放质量浓度的预测,可为变工况下的脱硫控制提供控制理论支撑。 展开更多
关键词 炉内外联合脱硫 烟气SO_(2)质量浓度 INFO算法 bi-LSTM神经网络 Circle混沌映射 自适应t分布
下载PDF
Bi-SnO_(2)电催化膜的制备及对饮用水中卡马西平的强化去除
8
作者 魏永 郭子寅 +3 位作者 袁学锋 李克英 周晨 孙甜 《中国环境科学》 EI CAS CSCD 北大核心 2024年第5期2543-2553,共11页
以家用净水器活性炭滤芯为支撑体(Carbon membrane,CM),通过电沉积法制备Bi-SnO_(2)电催化膜(Bi-SnO_(2)/CM),通过电催化强化降解饮用水中的PPCPs.采用SEM、EDS、XRD分别对CM、SnO_(2)/CM和Bi-SnO_(2)/CM进行了结构表征,并利用Tafel、CV... 以家用净水器活性炭滤芯为支撑体(Carbon membrane,CM),通过电沉积法制备Bi-SnO_(2)电催化膜(Bi-SnO_(2)/CM),通过电催化强化降解饮用水中的PPCPs.采用SEM、EDS、XRD分别对CM、SnO_(2)/CM和Bi-SnO_(2)/CM进行了结构表征,并利用Tafel、CV、EIS方法对3种膜的析氧电势、比电容和电化学阻抗等电化学特性进行表征,并选取卡马西平(Carbamazepine,CBZ)作为PPCPs代表物进行电催化效能试验研究.结果表明:采用电沉积-水热方法制备的Bi-SnO_(2)纳米颗粒的粒径尺寸约为27.2nm,可以很好地负载到活性炭滤芯表面,并制备出电化学性能优异的电催化膜,相比基膜其Tafel斜率由31.09mV/dec增至80.22mV/dec,电化学阻抗由1.03Ωcm^(2)降低为0.37Ωcm^(2),比电容也由0.689F/g增至2.635F/g.最终通过实验验证了其对卡马西平的降解效果,在静态循环实验中,Bi-SnO_(2)/CM对CBZ的去除率30min可达到97.3%,在运行1h后矿化率为59.2%,耗能为123.87kW·h/kgTOC,ΔTMP为0.177kPa.在连续运行时,Bi-SnO_(2)/CM对CBZ的去除率达93.7%,在运行1h后矿化率为35.2%,耗能为208.33kW·h/kgTOC,ΔTMP为0.613kPa.说明Bi-SnO_(2)/CM电催化膜具有良好的导电性、电催化活性和稳定性,同时对CBZ具有较好的去除效果. 展开更多
关键词 电沉积 SnO_(2) bi-SnO_(2) 电催化膜 卡马西平
下载PDF
基于双流CNN-BiLSTM的毫米波雷达人体动作识别方法
9
作者 吴哲夫 闫鑫悦 +2 位作者 施汉银 龚树凤 方路平 《传感技术学报》 CAS CSCD 北大核心 2024年第10期1754-1763,共10页
目前基于雷达的人体动作识别方法,大多是先对人体动作的回波信号进行多维快速傅里叶变换(FFT)得到距离、多普勒和角度等信息,构造各种数据谱图后再输入到神经网络中进行分类识别,数据预处理过程较为复杂。提出了一种双流卷积神经网络(C... 目前基于雷达的人体动作识别方法,大多是先对人体动作的回波信号进行多维快速傅里叶变换(FFT)得到距离、多普勒和角度等信息,构造各种数据谱图后再输入到神经网络中进行分类识别,数据预处理过程较为复杂。提出了一种双流卷积神经网络(CNN)与双向长短时记忆网络(BiLSTM)串联的毫米波雷达人体动作识别方法。首先对原始的雷达回波信号复数采样数据(I/Q)进行帧差处理,以消除静态干扰,并将其转换为幅度/相位(A/P)的数据格式;然后将帧差后的I/Q和A/P数据分别输入单流的CNN-BiLSTM网络,提取人体动作的空间和时间特征,最后进行双流网络的融合以增强特征的交互性,提高识别准确率。实验结果表明,该方法数据预处理简单,并充分利用了动作数据的帧间相关性,模型收敛快,识别准确率可以达到99%,是一种快速有效的人体动作识别方法。 展开更多
关键词 雷达目标识别 人体动作识别 卷积神经网络 双向长短时记忆网络
下载PDF
基于Inception-BiLSTM和迁移学习的结构损伤识别
10
作者 王二成 肖俊伟 +3 位作者 李家豪 吴雪 柴颖珂 李彦苍 《科学技术与工程》 北大核心 2024年第18期7776-7784,共9页
针对传统卷积神经网络(convolutional neural network,CNN)方法在时空特征提取存在不足,提出了一种改进的Inception与双向长短期记忆(bi-directional long short-term memory,BiLSTM)联合模型,以全面学习振动信号中的空间和时序信息。首... 针对传统卷积神经网络(convolutional neural network,CNN)方法在时空特征提取存在不足,提出了一种改进的Inception与双向长短期记忆(bi-directional long short-term memory,BiLSTM)联合模型,以全面学习振动信号中的空间和时序信息。首先,构建具有多尺度感受野的Inception模块,自适应地提取不同尺度下的空间特征;其次,BiLSTM序列化处理时间特征,以深度挖掘时间相关性;最后,通过全局平均池化和Softmax分类器来实现钢框架结构的损伤识别。为评估该模型对噪声的鲁棒性,引入高斯白噪声作为干扰。此外,采用迁移学习策略来评估模型在不同强度激励和小样本下的泛化能力,确保适用于不同的损伤识别任务。结果表明,与传统的CNN方法相比,该模型在无噪声条件下及信噪比超过25 dB时保持了100%的识别精度。该方法解决了土木工程应用中样本量不足和不同强度激励的实际挑战。通过微调预训练模型的参数,实现了在不同强度激励和小样本情况下的知识迁移与泛化,从而增强了模型的实际适用性。 展开更多
关键词 钢框架 损伤识别 INCEPTION biLSTM 迁移学习
下载PDF
合成MRI联合弥散加权成像及DCE-MRI在鉴别乳腺BI-RADS 4类肿块良恶性的价值分析
11
作者 熊晓玲 陈凌薇 +2 位作者 吴小辉 陈玲娟 张文昌 《医学理论与实践》 2024年第20期3444-3447,共4页
目的:探讨合成磁共振成像(syMRI)联合弥散加权成像(DWI)、动态对比增强磁共振成像(DCE-MRI)在鉴别乳腺成像报告和数据系统(BI-RADS)4类肿块良恶性的价值。方法:回顾性分析2022年1月—2024年1月本院80例患者98个BI-RADS 4类肿块病变的sy... 目的:探讨合成磁共振成像(syMRI)联合弥散加权成像(DWI)、动态对比增强磁共振成像(DCE-MRI)在鉴别乳腺成像报告和数据系统(BI-RADS)4类肿块良恶性的价值。方法:回顾性分析2022年1月—2024年1月本院80例患者98个BI-RADS 4类肿块病变的syMRI、DWI和DCE-MRI图像,所有患者均经穿刺活检或手术获得病理结果(51个恶性病变,47个良性病变),测量表观扩散系数(ADC)、弛豫时间值(T_(1)、T_(2))和质子密度值(PD),采用logistic回归建立弛豫定量模型、基于DE-MRI的BI-RADS模型,基于弛豫定量参数联合ADC以及BI-RADS建立联合诊断模型,受试者工作特性(ROC)曲线下面积(AUC)评估各模型诊断效能。结果:logistic回归显示ΔT_(1)%(OR=1.512)、T_(2)(OR=6.907)可构建弛豫定量模型,时间—信号强度曲线类型(TIC)(OR=2.464)可构建BI-RADS模型,ΔT_(1)%、T_(2)、ADC、TIC构建联合诊断模型,联合诊断模型诊断AUC为0.874,显著高于弛豫定量模型0.768和BI-RADS模型0.644,差异均具有统计学意义(P<0.05)。结论:syMRI联合DWI定量参数和DCE-MRI可以提高BI-RADS 4类肿块的诊断效能,是区分乳腺BI-RADS 4类结节良、恶性的一种很有前途的诊断方法。 展开更多
关键词 乳腺肿块 合成MRI(syMRI) 弥散加权成像 DCE-MRI bi-RADS
下载PDF
基于BO-BiGRU-Attention短期电力负荷预测
12
作者 包广斌 张瑞 +2 位作者 彭璐 李明 赵怀森 《计算机技术与发展》 2024年第6期201-206,共6页
电力系统的可靠供应对于工业、商业和居民的生活至关重要。为了满足电力需求并维持电力系统的稳定运行,提高短期电力负荷预测的准确性和可靠性尤为关键;针对负荷数据存在复杂的非线性特性,该文提出一种基于贝叶斯优化算法的双向门控循... 电力系统的可靠供应对于工业、商业和居民的生活至关重要。为了满足电力需求并维持电力系统的稳定运行,提高短期电力负荷预测的准确性和可靠性尤为关键;针对负荷数据存在复杂的非线性特性,该文提出一种基于贝叶斯优化算法的双向门控循环单元和注意力机制(BO-BiGRU-Attention)的混合预测模型对短期电力负荷进行精准预测。首先,使用Min-Max Normalization方法对负荷数据进行归一化处理。其次,利用BiGRU网络捕获序列中的长期依赖关系和上下文信息,结合注意力机制,通过在输入序列的不同部分给予不同的权重,从而突出关键特征。最后,针对BiGRU-Attention模型的超参数难以选取最优解的问题,引入贝叶斯优化算法对BiGRU-Attention模型的超参数进行寻优,完成短期电力负荷的预测。采用印度北部某地区的电力负荷数据进行预测分析,仿真结果表明,BO-BiGRU-Attention网络表现优于其他模型,各误差评价指标最小,其中MAE、RMSE和MAPE分别为56.67,73.49和1.16%,预测精度达到了99.47%。 展开更多
关键词 电力系统 负荷预测 贝叶斯优化算法 双向门控循坏单元 注意力机制
下载PDF
融合改进Bi-RRT和DWA算法的无人机动态路径规划
13
作者 罗毅 陈新洲 《电光与控制》 CSCD 北大核心 2024年第5期77-82,共6页
为解决无人机在复杂环境中的避障问题,提出一种融合改进Bi-RRT和DWA的无人机动态路径规划算法。通过设置启发式函数、动态步长和安全距离改进Bi-RRT算法,提升全局路径的搜索效率和安全性;之后,修剪路径中的冗余路段并对修剪后的路径进... 为解决无人机在复杂环境中的避障问题,提出一种融合改进Bi-RRT和DWA的无人机动态路径规划算法。通过设置启发式函数、动态步长和安全距离改进Bi-RRT算法,提升全局路径的搜索效率和安全性;之后,修剪路径中的冗余路段并对修剪后的路径进行插值与平滑操作获得全局最优路径;对DWA修正障碍物距离评价函数并引入目标点距离评价函数,提升局部预测轨迹评分的准确性;然后,实时输出速度指令控制无人机跟踪全局最优路径并实现局部动态避障。仿真实验表明,改进Bi-RRT算法生成的路径更短更平滑、安全性更高且规划时间更少;在同时存在动、静态障碍物的复杂环境中,所提融合算法能控制无人机精准地跟踪全局最优路径并高效地完成局部动态避障。 展开更多
关键词 无人机 路径规划 bi-RRT算法 DWA 融合算法
下载PDF
基于特征分解与Bi-LSTM-Attention模型的风向预测
14
作者 马良玉 段晓冲 +3 位作者 胡景琛 黄日灏 程泽龙 段新会 《电力科学与工程》 2024年第8期63-69,共7页
为便于精准控制风电机组的偏航角度、充分利用风能提高机组发电量,提出一种基于历史数据深度学习的风向超短期预测方法。首先利用变分模态分解将风向数据分解成多个子序列,考虑分解后的残差分量仍保留大量信号特征,进一步采用自适应噪... 为便于精准控制风电机组的偏航角度、充分利用风能提高机组发电量,提出一种基于历史数据深度学习的风向超短期预测方法。首先利用变分模态分解将风向数据分解成多个子序列,考虑分解后的残差分量仍保留大量信号特征,进一步采用自适应噪声完备集合经验模态分解方法对残差分量进行二次分解。在此基础上,结合风速、环境温度等特征,利用具有注意力机制的双向长短期记忆网络对风向进行超短期预测。采用河北某风电场SCADA真实数据,对风向进行5min的超短期预测实验,并与其他方法进行对比,结果表明所提方法具有更好的风向预测效果。 展开更多
关键词 风向预测 变分模态分解 CEEMDAN 双向长短期记忆网络 注意力机制
下载PDF
老年腹部手术患者BIS监测下异丙酚闭环与开环靶控输注模式的麻醉效果比较
15
作者 姚朋 张丹 《临床心身疾病杂志》 CAS 2024年第3期51-55,共5页
目的探讨脑电双频指数(BIS)监测下异丙酚闭环与开环靶控输注在老年腹部手术患者中的麻醉效果。方法将76例老年腹部手术患者按照随机数字表法分为对照组38例[采用异丙酚开环靶控输注(OLTCI)]和研究组38例[采用异丙酚闭环靶控输注(CLTCI)... 目的探讨脑电双频指数(BIS)监测下异丙酚闭环与开环靶控输注在老年腹部手术患者中的麻醉效果。方法将76例老年腹部手术患者按照随机数字表法分为对照组38例[采用异丙酚开环靶控输注(OLTCI)]和研究组38例[采用异丙酚闭环靶控输注(CLTCI)]。比较两组患者的麻醉效果、麻醉药物使用情况、不同时间阶段血流动力学指标以及手术相关指标。结果在麻醉诱导阶段和麻醉维持阶段,研究组患者麻醉满意时间占比高于对照组,麻醉过深时间占比低于对照组,且麻醉维持阶段的麻醉过浅时间占比低于对照组(P<0.05或0.01)。研究组患者异丙酚诱导总量少于对照组,每小时泵调整次数多于对照组(P<0.01)。两组患者意识消失、插管即刻、插管后1 min时的心率(HR)均慢于麻醉诱导前,但研究组患者意识消失、插管即刻、插管后1 min时的HR均快于对照组(P<0.05或0.01)。研究组患者诱导阶段各时期的平均动脉压(MAP)水平无明显变化(P>0.05)。对照组患者意识消失、插管即刻、插管后1 min时的MAP水平均低于麻醉诱导前,且插管即刻、插管后1 min时的MAP水平低于研究组(P<0.05或0.01)。两组患者手术时间、麻醉时间、拔管时间、苏醒时间以及恶心、呕吐发生率等手术相关指标比较,差异无统计学意义(P>0.05)。结论对老年腹部手术患者行BIS监测下异丙酚CLTCI时,可按照BIS的数值及时调整异丙酚用量,避免了血流动力学指标的大幅度波动,可减少麻醉药物的用量,值得临床大力推广。 展开更多
关键词 脑电双频指数 异丙酚 闭环靶控输注 开环靶控输注 老年 腹部手术
下载PDF
基于DKF-Bi-LSTM的阀控式铅酸电池SOC在线估计方法
16
作者 李练兵 刘艳杰 +3 位作者 王海良 李思佳 李秉宇 杜旭浩 《中国测试》 CAS 北大核心 2024年第2期28-37,共10页
精准估计阀控式铅酸蓄电池的荷电状态(SOC)对变电站直流系统的可靠性和安全性有着重要的作用,为提高SOC估算精度,提出一种基于DKF-Bi-LSTM的铅酸蓄电池SOC在线估计方法,基于二级结构的双卡尔曼滤波算法,分别进行模型估计和状态估计。通... 精准估计阀控式铅酸蓄电池的荷电状态(SOC)对变电站直流系统的可靠性和安全性有着重要的作用,为提高SOC估算精度,提出一种基于DKF-Bi-LSTM的铅酸蓄电池SOC在线估计方法,基于二级结构的双卡尔曼滤波算法,分别进行模型估计和状态估计。通过卡尔曼滤波算法对模型参数进行动态跟踪,进而基于扩展卡尔曼滤波算法在线估算电池SOC值。将在线估算结果、电流、电压、温度值作为Bi-LSTM神经网络的输入,电池SOC预测值作为网络输出,实现对电池SOC的在线估计。经测试发现,与DKF和Bi-LSTM算法相比,DKF-Bi-LSTM算法的SOC预测均方根误差更小,其SOC在线估计方法具有更高的准确性。 展开更多
关键词 阀控式铅酸电池 荷电状态 等效电路模型 卡尔曼滤波 扩展卡尔曼滤波 双向长短时记忆神经网络
下载PDF
基于EMD-PSO-Bi LSTM组合模型的短期风电功率预测 被引量:1
17
作者 唐杰 李彬 《自动化应用》 2024年第5期126-129,共4页
风电功率预测对风电并网的稳定运行具有重要意义。为了解决风电功率预测中的精度和模型稳定性问题,引入了EMD-PSO-BiLSTM模型。通过经验模态分解技术将原始风电功率序列分解为一系列固有模态函数,以有效捕捉数据中的多尺度特征,并为每... 风电功率预测对风电并网的稳定运行具有重要意义。为了解决风电功率预测中的精度和模型稳定性问题,引入了EMD-PSO-BiLSTM模型。通过经验模态分解技术将原始风电功率序列分解为一系列固有模态函数,以有效捕捉数据中的多尺度特征,并为每个模态序列建立了各自的预测模型。鉴于双向长短时记忆神经网络良好的泛化能力,建立了基于BiLSTM的各模态预测模型。进一步采用粒子群算法优化了BiLSTM参数,解决了模型非线性、高维、多模态等问题,获得了各模态分量的最优模型,并通过汇总各模态分量的结果得到了风电功率预测值。最后,以湖南省某风电场的实际运行数据为例,验证了EMD-PSO-BiLSTM模型可以有效提高风电功率短期预测精度。 展开更多
关键词 风电功率 短期预测 经验模态分解 粒子群算法 双向长短期记忆网络
下载PDF
基于FinBERT和Bi-GRU的篇章级事件检测模型
18
作者 廖涛 王凯 张顺香 《阜阳师范大学学报(自然科学版)》 2024年第3期1-6,共6页
现有的篇章级事件检测方法一般分为候选实体抽取和事件检测两个子任务,候选实体抽取任务的精度影响着事件检测任务的结果。针对现有方法候选实体抽取精度不足的问题,提出了基于FinBERT和Bi-GRU的篇章级事件检测模型。首先,采用FinBERT... 现有的篇章级事件检测方法一般分为候选实体抽取和事件检测两个子任务,候选实体抽取任务的精度影响着事件检测任务的结果。针对现有方法候选实体抽取精度不足的问题,提出了基于FinBERT和Bi-GRU的篇章级事件检测模型。首先,采用FinBERT预训练模型提升词嵌入向量对金融语义的表示能力,从而增强模型对金融语义的感知。其次,将上一层获取到的语义表示输入Bi-GRU模型和多头注意力机制中捕获全局和局部特征,通过CRF进行解码并标注出候选实体和实体类型。最后,根据抽取的候选实体信息判断篇章中存在的预定义事件。实验结果表明,本文方法提升了候选实体抽取任务的精度,取得了较好的篇章级事件检测结果。 展开更多
关键词 篇章级事件检测 候选实体 FinBERT bi-GRU
下载PDF
数据可视化Power BI在职业院校学生管理中的应用
19
作者 郑龙 鲍滢羽 邵寒梅 《科学咨询》 2024年第20期104-107,共4页
职业院校学生管理是一个重要而复杂的任务,需要学校管理人员的精心组织和有效执行。随着信息技术的发展和校园信息化建设的需求,部分职业院校的学生管理服务系统已初步建成。BI数据可视化可以有效地利用大量的系统数据,为院校管理者提... 职业院校学生管理是一个重要而复杂的任务,需要学校管理人员的精心组织和有效执行。随着信息技术的发展和校园信息化建设的需求,部分职业院校的学生管理服务系统已初步建成。BI数据可视化可以有效地利用大量的系统数据,为院校管理者提高决策和治理水平提供依据。本文通过对BI数据可视化过程和结构进行分析,比较Power BI与传统型BI的差异,通过对Power BI数据可视化在职业院校学生管理中的应用分析和实践案例,验证数据可视化PowerBI在学生管理中的重要作用。 展开更多
关键词 数据可视化 Powerbi 学生管理
下载PDF
基于多头注意力机制的CNN⁃BiLSTM高海拔多因素输电线路可听噪声预测
20
作者 黄悦华 张子豪 +2 位作者 陈庆 刘兴韬 涂金童 《高压电器》 CAS CSCD 北大核心 2024年第12期160-169,共10页
为了研究考虑高海拔多环境因素影响下输电线路可听噪声的预测问题,在海拔2400 m高度点的500 kV同塔双回线路下,搭建了边相外20、30、35 m三处可听噪声观测站,同时利用气象站进行多环境因素指标的数据采集。文中提出了一种基于多头注意... 为了研究考虑高海拔多环境因素影响下输电线路可听噪声的预测问题,在海拔2400 m高度点的500 kV同塔双回线路下,搭建了边相外20、30、35 m三处可听噪声观测站,同时利用气象站进行多环境因素指标的数据采集。文中提出了一种基于多头注意力机制(multi⁃head attention,MHA)的卷积神经网络(convolutional neural network,CNN)—双向长短期记忆网络(bi⁃directional long short term memory,BiLSTM)模型进行可听噪声预测。首先,采用皮尔逊相关性分析对多种环境因素数据进行相关程度计算比较与剔除;然后,为充分挖掘可听噪声数据中的时序特征,使用CNN对多环境因素数据进行特征提取;再将提取的特征向量输入到BiLSTM中进行训练,并通过在BiLSTM端引入多头注意力机制,使模型学习权重更高的数据特征,从而提升模型预测精度;结果表明,该方法构建的组合模型可以提升考虑多因素特征可听噪声数据的预测精度,且具有较好的泛化性。 展开更多
关键词 输电线路可听噪声 多环境因素 卷积神经网络 双向长短期记忆网络 多头注意力机制
下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部