期刊文献+
共找到159篇文章
< 1 2 8 >
每页显示 20 50 100
消费行为数据采集平台的安全保障与预测模型研究
1
作者 李健俊 汪华文 +1 位作者 董惠良 陈翔 《信息安全研究》 CSCD 北大核心 2024年第7期649-657,共9页
依据用户浏览记录等信息进行兴趣爱好的预测并进行合理推荐,已成为诸多销售平台优化用户体验的常用手段,而用户信息安全问题自然也成了各大平台面临的一大挑战.提出一种基于内生安全的消费行为数据采集与分析平台,通过采集用户数据,使... 依据用户浏览记录等信息进行兴趣爱好的预测并进行合理推荐,已成为诸多销售平台优化用户体验的常用手段,而用户信息安全问题自然也成了各大平台面临的一大挑战.提出一种基于内生安全的消费行为数据采集与分析平台,通过采集用户数据,使用基于长短时记忆网络的预测模型,精准预测未来销售流量数据.在数据安全性方面,平台使用基于内生安全的拟态云WAF,通过动态选择算法、异构执行体和裁决算法3种核心技术为整个数据平台提供了自主可控的安全保障,并利用基于Sketch的网络测量技术对异常流量进行了检测.此外,平台融合了数据备份和恢复、加密存储、数据传输加密技术,并对重要的数据采取分类存储、访问控制等措施.多项对比实验验证表明,用于中烟销售流量的预测平台相较于目前提出的多种技术在预测准确度和数据安全方面都有显著提升,可为企业销量预测提供一种合理可行的解决方案. 展开更多
关键词 销量预测 长短时记忆网络 内生安全 拟态云 数据采集
下载PDF
考虑数据分解和进化捕食策略的BiLSTM短期光伏发电功率预测 被引量:2
2
作者 焦丕华 蔡旭 +2 位作者 王乐乐 陈佳佳 曹云峰 《太阳能学报》 EI CAS CSCD 北大核心 2024年第2期435-442,共8页
提出一种考虑数据分解和进化捕食策略的双向长短期记忆网络(BiLSTM)短期光伏发电功率预测模型。首先,针对大量高频分量且频率成分复杂的原始光伏发电功率,通过数据分解理论,提出互补集合经验模态分解(CEEMD)与矩阵运算的奇异值分解(SVD... 提出一种考虑数据分解和进化捕食策略的双向长短期记忆网络(BiLSTM)短期光伏发电功率预测模型。首先,针对大量高频分量且频率成分复杂的原始光伏发电功率,通过数据分解理论,提出互补集合经验模态分解(CEEMD)与矩阵运算的奇异值分解(SVD)融合的(SVD-CEEMD-SVD,SCS)方法,实现光伏发电功率数据的二次降噪。然后,建立进化捕食策略(EPPS)和BiLSTM的组合预测模型,以更好地挖掘模型的内在特征,提升功率预测精度。最后,以山东某地区实际光伏电站为例,验证模型在滤除光伏发电功率噪声和提升预测精度方面的有效性。 展开更多
关键词 光伏发电 预测 奇异值分解 进化捕食策略 双向长短期记忆网络
下载PDF
基于迁移学习和降噪自编码器-长短时间记忆的锂离子电池剩余寿命预测 被引量:4
3
作者 尹杰 刘博 +1 位作者 孙国兵 钱湘伟 《电工技术学报》 EI CSCD 北大核心 2024年第1期289-302,共14页
针对锂离子电池退化数据噪声大、数据量少以及不同生命时期的退化趋势不同而导致的模型预测精度低、泛化能力差等问题,从数据预处理、预测模型的构建与训练三方面展开研究:首先结合变分自编码器(VAE)和生成对抗网络模型(GAN)构建VAE-GA... 针对锂离子电池退化数据噪声大、数据量少以及不同生命时期的退化趋势不同而导致的模型预测精度低、泛化能力差等问题,从数据预处理、预测模型的构建与训练三方面展开研究:首先结合变分自编码器(VAE)和生成对抗网络模型(GAN)构建VAE-GAN模型生成多组数据,实现电池的退化数据增强;然后结合降噪自编码器(DAE)和长短时记忆(LSTM)神经网络构建DAE-LSTM模型进行数据降噪和容量预测,为了降低模型参数,此过程中的数据降噪和预测共享同一个损失函数;最后先利用生成数据对DAE-LSTM模型进行预训练,再利用真实数据对其进行迁移训练。在CACLE和NASA公开数据集进行性能测试,实验结果表明该文所提方法精度高、鲁棒性强,能够有效提高锂离子电池剩余寿命的预测效果。 展开更多
关键词 锂离子电池 剩余寿命预测 降噪 自编码器 长短时记忆神经网络 迁移学习
下载PDF
考虑线路动态电热特性的交直流系统分布鲁棒潮流优化策略
4
作者 曾子龙 李勇 +2 位作者 丁心志 曹一家 钟俊杰 《电工技术学报》 EI CSCD 北大核心 2024年第21期6700-6719,共20页
为了充分发挥交直流线路耐热特性、提高系统在不确定运行环境下应对故障的调控能力,以含柔性直流输电技术(VSC-HVDC)的交直流系统为研究对象,提出一种考虑线路动态电热特性的分布鲁棒潮流优化策略。首先,根据热传导理论分别建立交流架... 为了充分发挥交直流线路耐热特性、提高系统在不确定运行环境下应对故障的调控能力,以含柔性直流输电技术(VSC-HVDC)的交直流系统为研究对象,提出一种考虑线路动态电热特性的分布鲁棒潮流优化策略。首先,根据热传导理论分别建立交流架空线路、直流电缆线路的动态电热模型,而后在校正控制中引入交、直流输电线路短期最高允许温度(SAOT)约束及校正期间最大热积累量来代替长期允许温度(LAOT)作为在校正期间的暂时安全约束,以达到充分利用线路的短期过载/耐热特性的目的;其次,将故障后的校正过程划分成两个子校正过程,通过最大化储能及VSC-HVDC的快速校正能力,弥补常规调控装置难以快速响应指令的缺陷,进一步,在基于Kullback-Leibler(KL)散度所构建的风荷概率分布模糊集上,通过在考虑风荷最恶劣概率分布的情况下进行潮流优化,改善了传统鲁棒优化方法过于保守的问题;再次,在列和约束生成(C&CG)算法和Multi-cut Benders分解算法的基础上,提出一种融合物理知识的双循环分解算法,不仅能避免对非过载线路热平衡方程的线性化,同时还能避免多场景多故障协同求解;最后,在基于改进的IEEE 39测试系统中对所提模型及算法的有效性进行了验证。 展开更多
关键词 柔性直流输电(VSC-HVDC) 分布鲁棒 线路短时耐热特性 动态电热模型 潮流优化
下载PDF
基于改进WTD-SVD-WOA-LSTM方法的海杂波背景下小目标检测
5
作者 祝健 尚尚 +2 位作者 石依山 乔铁柱 刘强 《电讯技术》 北大核心 2024年第8期1219-1227,共9页
针对海面小目标因体积小、移速慢而导致的检测难问题,提出了一种改进WTD-SVD-WOA-LSTM检测方法。首先,利用改进小波阈值法(Wavelet Threshold Denoising, WTD)结合优化奇异值分解(Singular Value Decomposition, SVD)法对海杂波去噪;然... 针对海面小目标因体积小、移速慢而导致的检测难问题,提出了一种改进WTD-SVD-WOA-LSTM检测方法。首先,利用改进小波阈值法(Wavelet Threshold Denoising, WTD)结合优化奇异值分解(Singular Value Decomposition, SVD)法对海杂波去噪;然后,通过改进鲸鱼优化算法(Whale Optimization Algorithm, WOA)对长短期记忆神经网络(Long Short-term Memory, LSTM)的超参数选优,获得最佳预测模型;最后,根据预测误差均方根值进行小目标检测。利用冰区多参数成像X频段雷达(Ice Multiparameter Imaging X-band Radar, IPIX)实测海杂波数据进行验证,所提方法相较于单一LSTM检测方法,检测阈值区间更广,检测能力至少提高了16%。 展开更多
关键词 小目标检测 海杂波去噪 改进鲸鱼优化算法 长短期记忆神经网络
下载PDF
CEEMDAN-CNN-BiLSTM混合模型矿区地表沉降预测
6
作者 王凯 肖星星 +2 位作者 余永明 贾庆磊 赵思仲 《导航定位学报》 CSCD 北大核心 2024年第5期156-163,共8页
为了进一步发挥全球卫星导航系统(GNSS)实时监测优势,对时序数据中的潜藏特征与隐藏信息进行深度挖掘,提高地表沉降预测精度,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CEEMDA... 为了进一步发挥全球卫星导航系统(GNSS)实时监测优势,对时序数据中的潜藏特征与隐藏信息进行深度挖掘,提高地表沉降预测精度,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CEEMDAN-CNN-BiLSTM混合地表沉降预测方法:以皖北某大型煤矿开采工作面与工业广场区域为验证对象,对比分析稳定区域和重点监测区域数据形态;然后基于CEEMDAN重构监测站高程数据分量,输入CNN模型提取分量隐含信息;最后构建BiLSTM模型,实现对沉降监测点位数据的短期预测。实验结果表明,相较于传统的CNN和长短期记忆模型,CEEMDAN-CNN-BiLSTM混合模型可有效降低预测误差,其中平均绝对百分比误差(MAPE)的降低范围为40%~90%,而均方根(RMS)误差的降低范围为52%~87%;该模型在时空特征捕捉和泛化能力方面表现性能较好,可为GNSS时间序列短期预测提供更为精准和可靠的解决方案。 展开更多
关键词 沉降预测 自动化监测 时序数据 混合模型 自适应噪声完备集合经验模态分解(CEEMDAN)-卷积神经网络(CNN)-双向长短期记忆网络(BiLSTM)
下载PDF
面向突触故障的回声状态网络容错方法研究
7
作者 孙晓川 高佳慧 +1 位作者 王宇 李莹琦 《郑州大学学报(理学版)》 CAS 北大核心 2024年第5期39-46,共8页
在实际应用部署过程中,回声状态网络中储备池的内部突触容易受到应用系统故障的影响而发生故障,偏离预期的性能。因此,提出一个面向突触故障的回声状态网络容错模型。分析模型中一些故障的突触(权重扰动)的行为特征,考虑发生故障的实际... 在实际应用部署过程中,回声状态网络中储备池的内部突触容易受到应用系统故障的影响而发生故障,偏离预期的性能。因此,提出一个面向突触故障的回声状态网络容错模型。分析模型中一些故障的突触(权重扰动)的行为特征,考虑发生故障的实际场景,采用检测机制检测并定位这些故障的突触,最后通过容错策略使其恢复。仿真实验结果表明,针对不同特点的时间序列数据,通过容错性能评估、统计分布和短期记忆能力对比,提出的容错模型是有效的。此外,通过数学理论推导证明出储备池突触故障容错的边界条件。 展开更多
关键词 回声状态网络 突触故障 容错性 时间序列预测 短期记忆能力
下载PDF
行为异常检测技术在零信任访问控制中的应用
8
作者 金志刚 林亮成 陈旭阳 《信息安全研究》 CSCD 北大核心 2024年第10期921-927,共7页
零信任有效解决了网络边界模糊的问题,在多种访问控制方法中得到广泛应用.针对大部分零信任访问控制方法仅使用简单统计方法计算信任评分、防范未知风险能力较差、缺乏对不同用户的自适应能力的问题,提出了一种引入行为异常检测的零信... 零信任有效解决了网络边界模糊的问题,在多种访问控制方法中得到广泛应用.针对大部分零信任访问控制方法仅使用简单统计方法计算信任评分、防范未知风险能力较差、缺乏对不同用户的自适应能力的问题,提出了一种引入行为异常检测的零信任访问控制方法.该方法设计了一种结合行为异常检测策略的信任引擎,通过自编码器和双向长短期记忆神经网络的建模能力,表征用户的行为模式,利用均方误差损失函数计算异常行为表征值,同时融合其他要素计算信任评分.该方法利用异常行为表征值设定信任阈值,以自适应调整用户访问策略.实验结果表明,所提方法对用户行为间的关联敏感,能够识别用户的异常行为并阻止授权,实现持续评估、细粒度的访问控制. 展开更多
关键词 零信任 访问控制 信任评估 长短期记忆神经网络 异常检测
下载PDF
改进DTW下界约束的Granger多元时序LSTM预测模型
9
作者 许凤魁 孙士保 +1 位作者 贾少勇 王静 《计算机应用与软件》 北大核心 2024年第5期233-239,共7页
多元时序的因果预测研究是探讨复杂网络响应关系的热点问题。提出一种通过DTW的下界约束组合并改进的层级过滤器,与格兰杰因果验证法相结合验证其因果统计量,挖掘出有效信息实现有效降维,进一步输入LSTM预测模型进行因果预测。仿真实验... 多元时序的因果预测研究是探讨复杂网络响应关系的热点问题。提出一种通过DTW的下界约束组合并改进的层级过滤器,与格兰杰因果验证法相结合验证其因果统计量,挖掘出有效信息实现有效降维,进一步输入LSTM预测模型进行因果预测。仿真实验利用开源的空气质量数据集进行定量和定性对比验证,该方法的损失函数训练曲线和测试曲线有较好的拟合度,表明该因果预测法是可行且有效的。 展开更多
关键词 动态时间弯曲 长短时记忆网络 格兰杰因果关系 层级过滤器
下载PDF
基于变分模态分解改进生成对抗网络的短期风电功率预测
10
作者 江善和 李伟 +1 位作者 徐小艳 王德凯 《综合智慧能源》 CAS 2024年第2期28-35,共8页
风电功率的可预测性和预测准确性取得了一定的研究成果,但风电数据中气象和功率的强非线性制约了短期预测精度的进一步提高,提高短期风电功率预测的精度已成为研究的热点与难点。针对风电数据非线性且非稳定的特点,基于分解思想提出一... 风电功率的可预测性和预测准确性取得了一定的研究成果,但风电数据中气象和功率的强非线性制约了短期预测精度的进一步提高,提高短期风电功率预测的精度已成为研究的热点与难点。针对风电数据非线性且非稳定的特点,基于分解思想提出一种基于变分模态分解改进生成对抗网络的短期风电功率预测方法。该方法使用变分模态分解分散风电数据中的非线性,将复杂序列的预测任务转化为多个较为简单序列的预测任务;设计了激活函数和损失函数,解决传统生成对抗网络模型不稳定问题,并对所设计激活函数的关键参数进行了分析。Bengaluru风电场某风机数据的算例测试表明,所提方法取得了较好的预测结果,其均方误差相比长短期记忆网络和变分模态分解-长短记忆网络方法分别下降了79.65%和51.83%。 展开更多
关键词 短期风电功率预测 变分模态分解 生成对抗网络 长短期记忆神经网络 激活函数
下载PDF
基于GTO优化CNN-LSTM的多变量负荷预测
11
作者 黄亚南 王宇驰 王诗博 《现代工业经济和信息化》 2024年第8期182-183,186,共3页
提出了一种基于CNN-LSTM多变量负荷预测方法,分别介绍了CNN-LSTM、GTO算法,构建了多变量负荷预测模型,描述了多变量负荷预测思路,最后通过对比GTO优化前后的根均方差(RMSE)、平均绝对误差(MAE)、平均相对百分误差(MAPE)、决定系数(R2)... 提出了一种基于CNN-LSTM多变量负荷预测方法,分别介绍了CNN-LSTM、GTO算法,构建了多变量负荷预测模型,描述了多变量负荷预测思路,最后通过对比GTO优化前后的根均方差(RMSE)、平均绝对误差(MAE)、平均相对百分误差(MAPE)、决定系数(R2)四个指标,以及预测数据和真实数据的变化趋势图,证明GTO可以有效提高CNN-LSTM预测模型的鲁棒性以及精确性。 展开更多
关键词 人工大猩猩部队算法 卷积长短期记忆神经网络 多变量负荷预测 适应度优化
下载PDF
入院早期SOFA评分联合红细胞分布宽度对急性胰腺炎短期预后的预测价值分析 被引量:5
12
作者 陈良 蔡兆辉 +1 位作者 魏国峰 李海山 《中国急救复苏与灾害医学杂志》 2023年第2期216-219,共4页
目的探讨入院早期序贯器官衰竭估计评分(SOFA)联合红细胞分布宽度(RDW)对急性胰腺炎(AP)短期预后的预测价值。方法选取合肥市第二人民医院2016年12月—2021年4月收治的79例AP患者作为研究对象,患者入院后,均接受AP相关治疗,根据治疗5 d... 目的探讨入院早期序贯器官衰竭估计评分(SOFA)联合红细胞分布宽度(RDW)对急性胰腺炎(AP)短期预后的预测价值。方法选取合肥市第二人民医院2016年12月—2021年4月收治的79例AP患者作为研究对象,患者入院后,均接受AP相关治疗,根据治疗5 d后的临床疗效,将痊愈、好转患者归入预后良好组(n=65),无效患者归入预后不良组(n=14)。比较预后良好组与预后不良组入院早期SOFA评分、RDW等临床资料,多因素Logistic回归分析探讨影响AP患者短期预后的因素,Pearson相关性分析研究入院早期SOFA评分、RDW与急性生理与慢性健康评分(APACHEⅡ)的相关性,受试者工作特征(ROC)曲线评估入院早期SOFA评分、RDW对AP患者短期预后的预测价值。结果预后不良组APACHEⅡ评分,入院早期SOFA评分,RDW,尿素氮高于预后良好组,血小板计数低于预后良好组(均P<0.05);多因素Logistic回归分析结果显示APACHEⅡ评分,入院早期SOFA评分,RDW是AP预后的独立危险因素(OR=7.114,4.280,2.284,P<0.05);入院早期SOFA评分,RDW均与APACHEⅡ评分正相关(r=0.836,0.594,P<0.05);入院早期SOFA评分、RDW、二者联合预测AP患者短期预后的曲线下面积(AUC)分别为0.761(95%CI=0.617~0.905)、0.701(95%CI=0.523~0.867)、0.785(95%CI=0.750~1.000);入院早期SOFA评分联合RDW的AUC大于单独入院早期SOFA评分、RDW的AUC(P<0.05)。结论治疗无效的AP患者入院早期SOFA评分、RDW更高,入院早期SOFA评分、RDW是AP患者不良临床结局的独立影响因素,在预测患者短期预后中具有较高价值。 展开更多
关键词 序贯器官衰竭估计评分 红细胞分布宽度 急性胰腺炎 短期预后
下载PDF
A Novel Parameter-Optimized Recurrent Attention Network for Pipeline Leakage Detection 被引量:2
13
作者 Tong Sun Chuang Wang +2 位作者 Hongli Dong Yina Zhou Chuang Guan 《IEEE/CAA Journal of Automatica Sinica》 SCIE EI CSCD 2023年第4期1064-1076,共13页
Accurate detection of pipeline leakage is essential to maintain the safety of pipeline transportation.Recently,deep learning(DL)has emerged as a promising tool for pipeline leakage detection(PLD).However,most existing... Accurate detection of pipeline leakage is essential to maintain the safety of pipeline transportation.Recently,deep learning(DL)has emerged as a promising tool for pipeline leakage detection(PLD).However,most existing DL methods have difficulty in achieving good performance in identifying leakage types due to the complex time dynamics of pipeline data.On the other hand,the initial parameter selection in the detection model is generally random,which may lead to unstable recognition performance.For this reason,a hybrid DL framework referred to as parameter-optimized recurrent attention network(PRAN)is presented in this paper to improve the accuracy of PLD.First,a parameter-optimized long short-term memory(LSTM)network is introduced to extract effective and robust features,which exploits a particle swarm optimization(PSO)algorithm with cross-entropy fitness function to search for globally optimal parameters.With this framework,the learning representation capability of the model is improved and the convergence rate is accelerated.Moreover,an anomaly-attention mechanism(AM)is proposed to discover class discriminative information by weighting the hidden states,which contributes to amplifying the normalabnormal distinguishable discrepancy,further improving the accuracy of PLD.After that,the proposed PRAN not only implements the adaptive optimization of network parameters,but also enlarges the contribution of normal-abnormal discrepancy,thereby overcoming the drawbacks of instability and poor generalization.Finally,the experimental results demonstrate the effectiveness and superiority of the proposed PRAN for PLD. 展开更多
关键词 attention mechanism(AM) long shortterm memory(LSTM) parameter-optimized recurrent attention network(PRAN) particle swarm optimization(PSO) pipeline leakage detection(PLD)
下载PDF
快速康复外科护理理念对胃癌根治术老年患者营养状态、免疫功能及短期生存质量的影响研究 被引量:2
14
作者 张欣 曹文阁 张綏 《黑龙江医学》 2023年第10期1249-1252,共4页
目的:探讨快速康复外科理念(FTS)对胃癌根治术老年患者营养状态、免疫功能及短期生存质量的影响。方法:选取2019年2月-2021年4月新乡市中心医院收治的94例行腹腔镜胃癌根治术老年患者作为研究对象,根据随机数表法分为参照组和研究组,每... 目的:探讨快速康复外科理念(FTS)对胃癌根治术老年患者营养状态、免疫功能及短期生存质量的影响。方法:选取2019年2月-2021年4月新乡市中心医院收治的94例行腹腔镜胃癌根治术老年患者作为研究对象,根据随机数表法分为参照组和研究组,每组各47例。参照组给予常规护理,研究组在参照组的基础上给予FTS护理,观察两组患者免疫功能与营养状态水平、短期生存质量及并发症发生情况。结果:术后3 d,两组患者CD8^(+)水平均较术前降低,研究组CD8^(+)水平低于参照组,两组患者CD4^(+)、CD4^(+)/CD8^(+)均较术前升高,研究组CD4^(+)、CD4^(+)/CD8^(+)均高于参照组,差异有统计学意义(t=4.420、13.140、27.843,P<0.05)。术后3 d,两组患者ALB、PAB、TRE水平均较术前降低,研究组ALB、PAB、TRE水平高于参照组,差异有统计学意义(t=3.775、4.283、8.145,P<0.05)。研究组社会功能、生理功能、心理情绪、主观症状评分及总分均高于参照组,差异有统计学意义(t=3.880、3.386、6.750、5.380、7.771,P<0.05)。研究组并发症总发生率低于参照组,差异有统计学意义(χ^(2)=4.919,P<0.05)。结论:FTS应用于胃癌根治术老年患者中,能够改善患者免疫功能与营养状态,提高其生存质量,降低并发症发生率。 展开更多
关键词 胃癌根治术 老年 快速康复外科护理理念 营养状态 免疫功能 短期生存质量
下载PDF
锌剂辅助治疗小儿轮状病毒性肠炎的近期疗效及对不良反应和短期复发的影响
15
作者 孙文慧 薛娇 叶冰 《当代医学》 2023年第4期23-25,共3页
目的探讨锌剂辅助治疗小儿轮状病毒性肠炎的近期疗效及对短期复发的影响。方法选取2019年5月至2021年5月济南市儿童医院收治的110例轮状病毒性肠炎患儿作为研究对象,基于随机抽签法分为对照组与实验组,每组55例。对照组给予常规治疗,实... 目的探讨锌剂辅助治疗小儿轮状病毒性肠炎的近期疗效及对短期复发的影响。方法选取2019年5月至2021年5月济南市儿童医院收治的110例轮状病毒性肠炎患儿作为研究对象,基于随机抽签法分为对照组与实验组,每组55例。对照组给予常规治疗,实验组在对照组基础上联合锌剂辅助治疗,比较两组症状持续时间、近期疗效、不良反应发生率及短期复发情况。结果实验组发热、呕吐、轻中度脱水、腹泻持续时间均短于对照组,差异有统计学意义(P<0.05)。实验组治疗总有效率为94.55%,高于对照组的80.00%,差异有统计学意义(P<0.05)。实验组不良反应发生率为9.09%,低于对照组的25.45%,差异有统计学意义(P<0.05)。实验组30、60、90d复发率均低于对照组,差异有统计学意义(P<0.05)。结论锌剂辅助治疗轮状病毒性肠炎效果显著,可缩短患儿临床症状持续时间,治疗安全性高,且还可降低短期复发率,值得临床推广应用。 展开更多
关键词 轮状病毒性肠炎 锌剂辅助治疗 常规治疗 短期复发 临床症状
下载PDF
基于多特征融合的航空发动机剩余寿命预测
16
作者 张晓东 秦子轩 +1 位作者 李敏 史靖文 《计算机系统应用》 2023年第3期95-103,共9页
针对航空发动机剩余可用寿命(RUL)预测任务中代表性特征提取不充分导致RUL预测精度较低等问题,提出了一种基于多特征融合的航空发动机RUL预测方法.利用指数平滑法(ES)降低原始数据中的噪声干扰,得到相对平稳的特征数据.使用双向长短期... 针对航空发动机剩余可用寿命(RUL)预测任务中代表性特征提取不充分导致RUL预测精度较低等问题,提出了一种基于多特征融合的航空发动机RUL预测方法.利用指数平滑法(ES)降低原始数据中的噪声干扰,得到相对平稳的特征数据.使用双向长短期记忆网络(Bi-LSTM)提取特征数据的时序特征,利用多头注意力机制(Multi-attention)为时序特征赋予权重;设计卷积长短期记忆网络(Conv-LSTM)提取特征数据的时空特征;提取特征数据的手工特征并使用Softmax函数计算权重.设计一个特征融合框架将上述特征进行融合,然后通过全连接网络回归实现最终RUL预测.使用C-MAPSS数据集对模型进行仿真验证,与Bi-LSTM等模型进行对比,模型RUL预测精度更高,适应性更好. 展开更多
关键词 指数平滑法 卷积长短期记忆网络 双向长短期记忆网络 多头注意力机制 特征融合 深度学习
下载PDF
中性粒细胞淋巴细胞比值及红细胞分布宽度与慢加急性肝衰竭患者短期生存率的关系分析
17
作者 张鑫 《中外医疗》 2023年第6期1-4,共4页
目的 分析中性粒细胞淋巴细胞比值(neutrophil lymphocyte ratio,NLR)及红细胞分布宽度(red blood cell distribution width,RDW)与慢加急性肝衰竭(acute-on-chronicliverfailure,ACLF)患者短期生存率的关系。方法 回顾性分析龙岩市第... 目的 分析中性粒细胞淋巴细胞比值(neutrophil lymphocyte ratio,NLR)及红细胞分布宽度(red blood cell distribution width,RDW)与慢加急性肝衰竭(acute-on-chronicliverfailure,ACLF)患者短期生存率的关系。方法 回顾性分析龙岩市第二医院2018年7月—2021年7月接收的113例ACLF患者的临床资料,依据患者治疗后3个月的生存情况分为生存组(65例)及死亡组(48例)。分析ACLF患者短期发生死亡的相关因素,并应用Logistic回归法分析患者发生死亡的独立危险因素。结果 两组患者年龄、性别、吸烟史、饮酒史、白细胞、血小板、甲胎蛋白、谷草转氨酶水平比较,差异无统计学意义(P>0.05);死亡组白蛋白水平(29.78±5.06)g/L低于生存组,总胆红素(386.24±91.24)μmol/L、NLR(7.18±1.67)%、RDW(18.07±2.93)%水平高于生存组,差异有统计学意义(t=2.156、3.363、19.635、9.734,P<0.05)。Logistic回归分析结果显示:患者发生短期死亡的独立危险因素为白蛋白、总胆红素、NLR、RDW(P<0.05)。结论 NLR、RDW水平与ACLF患者短期生存率存在密切联系,为患者短期死亡的独立危险因素,可为临床治疗预测患者生命安全情况提供有力依据。 展开更多
关键词 中性粒细胞淋巴细胞比值 红细胞分布宽度 慢加急性肝衰竭 短期生存率
下载PDF
考虑指标退化的风电机组定检周期优化调整方法
18
作者 马铁强 向凯 《重型机械》 2023年第3期43-51,共9页
为了系统化地评价风机退化情况,提升风电机组的运维效率,提出了一种考虑指标退化的风电机组定检周期优化调整方法。首先,提出了一个风电机组有功功率的退化评价指标体系,该评价指标体系用于表示风电机组的退化趋势,并预测风电机组的剩... 为了系统化地评价风机退化情况,提升风电机组的运维效率,提出了一种考虑指标退化的风电机组定检周期优化调整方法。首先,提出了一个风电机组有功功率的退化评价指标体系,该评价指标体系用于表示风电机组的退化趋势,并预测风电机组的剩余使用寿命。其次,提出并讨论了一种基于该评价指标体系的剩余使用寿命预测方法。此外,设计了一个采用LSTM的多元预测模型,根据风电机组SCADA系统的历史运行数据,预测其有功功率。最后,通过实例验证了该方法对风电机组剩余使用寿命预测的可行性和有效性,可以初步对严重故障和预定检查时间进行预测。 展开更多
关键词 风电机组 指标退化 剩余使用寿命 长短期记忆
下载PDF
结合Hybrid Attention机制和BiLSTM-CRF的汉语否定语义表示及标注 被引量:2
19
作者 李晋荣 吕国英 +2 位作者 李茹 柴清华 王超 《计算机工程与应用》 CSCD 北大核心 2023年第9期167-175,共9页
阅读理解中否定是一种复杂的语言现象,其往往会反转情感或态度的极性。因此,正确分析否定语义对语篇理解具有重要意义。现有否定语义分析方法存在两个问题:第一,研究的否定词较少达不到应用目的;第二,目前汉语否定语义标注只是标注整个... 阅读理解中否定是一种复杂的语言现象,其往往会反转情感或态度的极性。因此,正确分析否定语义对语篇理解具有重要意义。现有否定语义分析方法存在两个问题:第一,研究的否定词较少达不到应用目的;第二,目前汉语否定语义标注只是标注整个句子,这无法明确否定语义。针对该问题提出基于汉语框架语义知识库(Chinese FrameNet)进行否定语义角色标注方法。在框架语义学理论指导下结合汉语否定语义特征对已由FrameNet继承的否定框架重新构建;为了解决捕捉长距离信息以及句法特征问题,提出一种基于Hybrid Attention机制的BiLSTMCRF语义角色标注模型,其中,Hybrid Attention机制层将局部注意与全局注意结合准确表示句子中的否定语义,BiLSTM网络层自动学习并提取语句上下文信息,CRF层预测最优否定语义角色标签。经过比对验证,该模型能够有效提取出含有否定语义信息,在否定语义框架数据集上F1值达到89.82%。 展开更多
关键词 汉语框架语义知识库 语义角色标注 否定框架 双向长短期记忆网络 混合注意力机制
下载PDF
基于多层长短期记忆神经网络的用水量预测 被引量:2
20
作者 王健 刘丽 +1 位作者 查淳膺 陈国炜 《水电能源科学》 北大核心 2023年第12期24-27,共4页
及时准确的居民用水量预测对供水系统的设计和运行管理至关重要。长短期记忆神经网络(LSTM)是一种有效的基于数据驱动的用水量预测模型,但其通常依赖于大量的参数设置。因此,在LSTM模型基础上,通过叠加时间分布模块,提出多层长短期记忆... 及时准确的居民用水量预测对供水系统的设计和运行管理至关重要。长短期记忆神经网络(LSTM)是一种有效的基于数据驱动的用水量预测模型,但其通常依赖于大量的参数设置。因此,在LSTM模型基础上,通过叠加时间分布模块,提出多层长短期记忆神经网络模型(MLSTM)。与LSTM模型对比分析表明,MLSTM模型具有较低复杂度和更高的预测精度,尤其对于高峰期用水量预测(M_(MAPE)值降低约60%),且受外部环境条件(如天气)的影响较小。 展开更多
关键词 居民用水量 长短期记忆神经网络 时间分布模块 多层长短期记忆神经网络 预测精度
下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部