期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于神经网络与时空序列的混合模型在变形监测中的应用
1
作者
柳新强
王涛
焦佳爽
《河南科学》
2017年第2期227-233,共7页
在变形数据分析与建模中,同时考虑变形体测点之间的时间相关性以及空间相关性的时空序列模型(STARMA)能够更好地反映出变形体的形变规律,但STARMA模型是建立在线性平稳模型基础上的,且大多数观测数据序列是非平稳过程,这给时空序列模型...
在变形数据分析与建模中,同时考虑变形体测点之间的时间相关性以及空间相关性的时空序列模型(STARMA)能够更好地反映出变形体的形变规律,但STARMA模型是建立在线性平稳模型基础上的,且大多数观测数据序列是非平稳过程,这给时空序列模型的应用带来了局限性.由于BP神经网络具有很强的非线性映射能力,基于此,结合这两种模型的特点,构造ANN+SRATMA混合模型来处理非平稳序列.通过对建筑物的沉降观测进行分析研究,结果表明了混合模型要优于单一模型,具有很好的实用性.
展开更多
关键词
非平稳时空序列
STARMA模型
BP神经网络
沉降监测
下载PDF
职称材料
基于时空全卷积循环神经网络的零件表面形貌预测
被引量:
1
2
作者
邵益平
谭健
鲁建厦
《机械工程学报》
EI
CAS
CSCD
北大核心
2021年第20期292-304,共13页
零件表面形貌预测对于降低产品质量波动和加工成本、减少零件废品率有重要意义。基于高清晰测量数据,提出一种时空全卷积循环神经网络非平稳时空序列预测模型,实现零件加工表面三维形貌的预测。通过计算全局莫兰指数和时间自相关函数进...
零件表面形貌预测对于降低产品质量波动和加工成本、减少零件废品率有重要意义。基于高清晰测量数据,提出一种时空全卷积循环神经网络非平稳时空序列预测模型,实现零件加工表面三维形貌的预测。通过计算全局莫兰指数和时间自相关函数进行时空相关性分析,为模型构建准确的输入,并克服传统预测方法未充分利用数据全局特征和局部特征的缺点以及模型输入的随意性。实例研究的结果表明,提出的方法具有更优的综合预测效果,其预测精度优于传统方法 12%~18%,预测时间是传统方法的1/5。
展开更多
关键词
表面预测
时空
相关性分析
神经网络
高清晰测量
非平稳时空序列
原文传递
题名
基于神经网络与时空序列的混合模型在变形监测中的应用
1
作者
柳新强
王涛
焦佳爽
机构
陕西铁路工程职业技术学院
长安大学地质工程与测绘学院
出处
《河南科学》
2017年第2期227-233,共7页
基金
陕西省教育厅科研专项资助(14JK1167)
陕西铁路工程职业技术学院科研基金项目(KY2016-47)
文摘
在变形数据分析与建模中,同时考虑变形体测点之间的时间相关性以及空间相关性的时空序列模型(STARMA)能够更好地反映出变形体的形变规律,但STARMA模型是建立在线性平稳模型基础上的,且大多数观测数据序列是非平稳过程,这给时空序列模型的应用带来了局限性.由于BP神经网络具有很强的非线性映射能力,基于此,结合这两种模型的特点,构造ANN+SRATMA混合模型来处理非平稳序列.通过对建筑物的沉降观测进行分析研究,结果表明了混合模型要优于单一模型,具有很好的实用性.
关键词
非平稳时空序列
STARMA模型
BP神经网络
沉降监测
Keywords
non-stationary space-time series
STARMA model
BP neural network
subsidence monitoring
分类号
P258 [天文地球—测绘科学与技术]
下载PDF
职称材料
题名
基于时空全卷积循环神经网络的零件表面形貌预测
被引量:
1
2
作者
邵益平
谭健
鲁建厦
机构
浙江工业大学机械工程学院
出处
《机械工程学报》
EI
CAS
CSCD
北大核心
2021年第20期292-304,共13页
基金
浙江省重点研发计划(2018C01003)
浙江省博士后科研择优(ZJ2021119)资助项目。
文摘
零件表面形貌预测对于降低产品质量波动和加工成本、减少零件废品率有重要意义。基于高清晰测量数据,提出一种时空全卷积循环神经网络非平稳时空序列预测模型,实现零件加工表面三维形貌的预测。通过计算全局莫兰指数和时间自相关函数进行时空相关性分析,为模型构建准确的输入,并克服传统预测方法未充分利用数据全局特征和局部特征的缺点以及模型输入的随意性。实例研究的结果表明,提出的方法具有更优的综合预测效果,其预测精度优于传统方法 12%~18%,预测时间是传统方法的1/5。
关键词
表面预测
时空
相关性分析
神经网络
高清晰测量
非平稳时空序列
Keywords
surface topography prediction
spatio-temporal correlation analysis
neural networks
high definition metrology
nonstationary spatio-temporal series
分类号
TH161 [机械工程—机械制造及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于神经网络与时空序列的混合模型在变形监测中的应用
柳新强
王涛
焦佳爽
《河南科学》
2017
0
下载PDF
职称材料
2
基于时空全卷积循环神经网络的零件表面形貌预测
邵益平
谭健
鲁建厦
《机械工程学报》
EI
CAS
CSCD
北大核心
2021
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部