|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于GM-LSTM模型的南京市老年人口预测研究显示文摘当前,中国人口老龄化问题日益突出,准确预测未来老年人口数量是夯实形势政策研究的基础性工作,对于相关政策的制定和社会发展具有重要的参考价值。文中提出了GM-LSTM模型,该模型将灰色系统动态模型与LSTM深度学习神经网络的优势相结合,构建组合模型,利用LSTM神经网络模型修正GM预测模型中估计序列与原序列的残差。模型验证表明,GM-LSTM模型具备良好的预测精度和泛化能力。利用GM-LSTM模型,选取2008-2017年的数据进行分析,预测2021-2035年南京市各行政区老年人口数量及密度。结果表明,南京市各行政区未来15年老年人口数量呈现出高基数、高增长的态势,且各行政区之间老年人口密度差异显著,中心城区的老年人口密度较高,成为老年密集区,人口密度随着近郊区方向逐渐递减。 | 陈慧琴 郭贯成 秦朝轩 李兆碧 | 2021 | 计算机科学2021，48，S01： | 8 |
| 2 | 基于深度学习的RFID 标签防碰撞算法研究显示文摘射频识别(RFID)是一种无线通信技术,可以进行数据采集和识别任何标记的物体。在RFID系统中,DFSA(动态帧时隙ALOHA)算法是解决标签碰撞问题的常用算法。针对现有DFSA算法存在最佳帧长预测精度低的问题,提出一种基于深度学习的DFSA优化算法。DFSA系统中,当帧长和标签数相等时系统可获得最佳效率。该算法把DFSA和LSTM(长短时记忆网络)神经网络结合起来,采用LSTM深度神经网络对RFID系统下一帧的标签数做预测,从而准确地调整帧长,实现系统吞吐率最大化。仿真结果表明,基于LSTM优化的DFSA算法可以有效提高RFID系统识别精度,减少时隙浪费。 | 杨超 赵一帆 李波 陈春 丁洪伟 | 2021 | 现代电子技术2021，44，22： | 4 |
| 3 | 基于SSAE-LSTM模型的冷连轧机扭振预测显示文摘轧机振动预测模型性能依赖于从输入变量中提取的特征。针对冷连轧机振动数据样本大、非线性强的特点,且在时间上具有前后依赖关系,提出了一种基于SSAE-LSTM的轧机扭振预测方法。首先,对于同种参数数值差异较小、关系表征不明显的轧制过程参数,使用栈式稀疏自编码(SSAE)网络进行无监督自适应特征提取,挖掘生产数据的深层次特征。然后,利用长短时记忆(LSTM)网络在处理时间序列上的优势,将SSAE网络提取到的深层特征作为预测模型的输入,将旋转角加速度作为输出,建立基于LSTM的轧机扭振预测模型。仿真结果表明:SSAE-LSTM模型的预测精度达98.5%,与RNN模型和LSTM模型相比,预测精度分别提高了24.8%和12.2%,验证了该方法的有效性,为实时预测轧机扭振状态提供了参考。 | 张瑞成 刘力菲 梁卫征 | 2023 | 锻压技术2023，48，4： | 2 |
| 4 | 基于GA-BPNN的PM2.5浓度预测模型显示文摘为提升BP神经网络对PM2.5浓度预测的准确度,提出一种基于遗传算法的多因子PM2.5浓度预测模型。利用遗传算法的全局搜索特性,得到最优的BP神经网络的初始权值和阈值,针对网络结构设置3个隐含层,提高特征学习能力,更大程度拟合非线性函数,并将模型用于预测。实验结果表明,该方法对于PM2.5浓度的预测精度达到98.5%,比传统方法提高3.6%,具有较高应用价值。 | 郑俊褒 华思洁 | 2021 | 软件导刊2021，20，9： | 1 |
| 5 | 面向多源数据的AQP区域大气污染精准溯源研究显示文摘空气质量优先保障(AQP, Air Quality Priority)区域包括城市居住区和亚运会、世博会等重大活动的举办地等.为了解决AQP区域PM_(2.5)浓度超标而无法准确追溯污染源头的问题,提出一种新的面向多源数据的AQP区域大气污染精准溯源方法 .由于直接溯源方法无法量化不同污染源区域对复合污染的贡献大小,建立一种融合气象数据、污染源区域排放数据、污染物浓度数据的机器学习模型LightGBM-PSO,以捕捉污染源排放和大气污染物浓度之间的非线性响应,模型输出AQP及相邻区域各污染源监测区域排放输入的特征重要程度(FI),由此可得各污染源区域的贡献度排名,并通过贡献度划分污染源站点等级,结合不同等级污染源站点的空间分布确定溯源结果.以2022年1月1日—4月15日杭州市滨江区、上城区、西湖区和萧山区的气象数据、污染源区域排放数据和大气污染物数据进行实验验证.结果表明:相比于贝叶斯优化算法,PSO对LightGBM模型超参数具有更好的优化效果,分别在RMSE、MAE和R^(2)指标上高出7%、3%和3%;相比于SVR、LSTM和CNNLSTM模型,提出的LightGBM-PSO模型具有更高的预测精度和稳定性;萧山区、上城区、西湖区对AQP区域PM_(2.5)污染的贡献比例分别为48%、24%、12%;AQP区域内的(双)江陵路/滨盛路站监测范围内存在污染排放源,外部污染排放源位于其北部和东南方.结合巡查人员历史污染事件统计和现场污染监控可知智能大气污染溯源结果具有可靠性,可取代低效的人工巡查方法 . | 廖世凯 董红召 杨强 夏阳 林盈盈 | 2023 | 环境科学学报2023，43，4： | 1 |
| 6 | 集成AEC和时空特征的工业园区PM_(2.5)浓度预测显示文摘为实现工业园区企业污染排放精细化管控,捕捉工业园区内企业污染排放与污染物浓度之间的响应关系,提出一种集成大气环境容量(AEC)和时空特征的工业园区PM_(2.5)浓度预测模型.通过有限体积法获得工业园区日均大气自净能力指数(ASI),结合工业园区日排放数据作为AEC特征;同时利用小波分析和Pearson相关系数法提取时空特征,包括目标监测站PM_(2.5)浓度的时间变化特征和其与周围监测点PM_(2.5)的空间相关特征.通过CNN获取训练数据中PM_(2.5)的关联特征,并利用BILSTM充分反映时间序列训练数据中隐含的关键历史长短期依赖关系,确保快速准确的预测性能,以2018~2020年濮阳市工业园区大气污染物观测数据、气象数据及排放数据进行实验验证.结果表明:本文提出的CNN-BILSTM预测模型相较于传统LSTM模型预测精度提升10%;AEC特征和时空特征有利于提高模型精度和稳定性,集成AEC和时空特征的CNN-BILSTM预测模型在PM_(2.5)污染天数预测准确率最高,达93%;分季节预测结果表明,秋冬季的预测精度最高. | 董红召 廖世凯 杨强 应方 | 2022 | 中国环境科学2022，42，10： | 1 |
| 7 | 基于注意力机制和高斯概率估计的PM_(2.5)浓度预测显示文摘作为衡量空气污染物浓度的重要指标,对PM_(2.5)浓度进行监控预测,能够有效地保护大气环境,进一步地减少空气污染带来的危害.随着空气质量自动监测站的大范围建立,由传统的机器学习搭建的空气质量预测模型已经不能满足当今的需求.本文提出了一种基于多头注意力机制和高斯概率估计的高斯-注意力预测模型,并对沈阳市某监测站点的数据进行了训练和测试.该模型考虑了PM_(2.5)浓度受到其他空气质量数据的影响,将空气质量数据的分层时间戳(周、日、小时)的信息对齐作为输入,使用多头注意力机制对于不同子空间的时间序列关联特征进行提取,能够获得更加完善有效的特征信息,再经过高斯似然估计得到预测结果.通过与多种基准模型进行对比,相较于性能较优的DeepAR,高斯-注意力预测模型的MSE、MAE分别下降了21%、15%,有效地提高了预测准确率,能够较准确地预测出PM_(2.5)浓度. | 杨柳 张镝 李建熹 康丽荥 赵思彤 | 2023 | 计算机系统应用2023，32，7： | 0 |
| 8 | 联合Transformer注意力机制的PM_(2.5)浓度预测网络研究显示文摘应用深度学习技术进行PM_(2.5)浓度预测方法的研究,提出联合Transformer注意力机制的循环预测网络。模型的核心是多头注意力-长短期记忆网络(MH-LSTM),通过构建统一记忆单元捕捉时空特征关联。MH-LSTM单元使用LSTM联合Transformer注意力机制对时间变化和全局空间特征统一建模形成记忆信息。记忆信息“之”字流向跨越堆叠的MH-LSTM模块,高层记忆信息辅助下一时刻低层记忆信息的获取。应用该模型结合河北省生态环境监测中心提供的PM_(2.5)浓度数据开展预报试验,结果表明,相对于卷积LSTM网络(ConvLSTM)、预测循环神经网络(PredRNN)、双重记忆网络(MIM),该模型预测的平均绝对误差分别减小了18.13%、10.23%、9.62%,实现了同时捕捉PM_(2.5)浓度的时空相关性,具有更优预测性能。 | 刘恩海 付英健 张智 李妍 赵娜 张军 | 2023 | 安全与环境学报2023，23，10： | 0 |
| 9 | 融合时域卷积网络和深度自编码器的VOCs数据异常检测显示文摘为了提升挥发性有机物(Volatile Organic Compounds,VOCs)数据异常检测精度,提出一种基于时域卷积网络的深度自编码器(TCN-DAE)异常检测的半监督方法,以对VOCs等空气污染物质量浓度异常值进行精准的检测。首先,使用时域卷积网络(Temporal Convolutional Network,TCN)作为深度自编码器(Deep Auto-encoder,DAE)的隐藏层,利用深层网络结构对高维、多源的时间序列数据进行高效地特征提取和数据重构。然后,通过对比重构误差与核密度估计法确定的阈值进行异常检测,其中重构误差大于此阈值则视为异常。最后,选取西安市城六区的VOCs、空气质量和气象等时间序列数据进行试验。结果显示:基于时域卷积网络的深度自编码器模型对多源、高维的时间序列具有较强的异常检测能力,在准确率、F1分数、受试者工作特征曲线下面积(Area Under Curve,AUC)等异常检测性能指标上均优于双向长短期记忆网络(Bidirectional Long Short-term Memory,Bi-LSTM)、长短期记忆网络(Long Short-term Memory,LSTM)、自编码器(Auto-Encoder,AE)和时域卷积网络(Temporal Convolutional Network,TCN)模型,表明了本文模型的可行性。 | 黄光球 赵梦娜 陆秋琴 | 2023 | 安全与环境学报2023，23，10： | 0 |
| 10 | 面向喷染车间的挥发性有机物质量浓度预测方法及应用研究显示文摘以喷染车间挥发性有机物为研究对象,对喷染车间挥发性有机物(Volatile Organic Compounds, VOCs)质量浓度预测方法进行研究。首先,使用随机森林(Random Forest, RF)算法对影响喷染车间挥发性有机物质量浓度的特征变量进行权重分析。同时,构建基于长短期记忆神经网络(Long-Term and Short-Term Memory Neural Network, LSTM)的挥发性有机物质量浓度预测模型,并在此基础上引入麻雀搜索算法(Sparrow Search Algorithm, SSA)进行参数优化选择。最后,以浙江省杭州市某汽车喷染车间7月29日—10月28日的数据为样本,将温度、相对湿度、室内大气压、室外大气压作为模型输入变量,并与LSTM模型、随机森林-长短期记忆神经网络(Random Forest-Long Short-Term Memory neural network, RF-LSTM)模型、随机森林-反向传播神经网络(Random Forest-BP neural network, RF-BP)模型进行对比试验。结果显示,基于随机森林-麻雀搜索算法-长短期记忆神经网络(Random Forest-Sparrow Search Algorithm-Long Short-Term Memory neural network, RF-SSA-LSTM)模型的预测效果最佳,平均绝对误差、均方根误差和决定系数分别为2.812 2、3.457 4、0.988。同时,为验证RF-SSA-LSTM模型性能,通过不同时间步长实现对喷染车间VOCs质量浓度预测,结果显示预测误差较小,在可接受范围内。RF-SSA-LSTM预测模型提高了挥发性有机物质量浓度的预测精度,为减少挥发性有机物排放提供科学依据。 | 彭来湖 张权 李建强 李杨 | 2024 | 安全与环境学报2024，24，1： | 0 |
| 11 | 基于GCN-LSTM的钱塘江南源水质预测研究显示文摘流域水质数据存在时间和空间上的双重依赖性,针对现有水质预测模型大多建立在时间维度上,不能有效利用水质空间相关性问题,提出了基于图卷积神经网络GCN和长短时记忆网络LSTM的水质预测模型。首先建立流域监测点间的拓扑结构,并将监测点沿河道的距离作为权重表征监测点间连接的强弱;然后采用图卷积神经网络GCN捕获每个输入时刻监测点间的空间关系,再通过LSTM捕获其时间上水质变化特征;最后通过多层感知器MLP得到水质预测结果。将钱塘江南源作为研究对象,对流域内15个监测点的pH值、溶解氧DO、高锰酸盐指数CODMn进行预测,结果表明:相较于LSTM,GCN-LSTM模型水质预测结果平均百分比误差MAPE分别下降15.29%、11.77%、9.8%;监测点间的连接具有差异性,通过距离来表示监测点间连接强弱可以使水质预测结果更为精确。 | 李余隆 张兰 李立 | 2023 | 人民黄河2023，45，12： | 0 |
| 12 | 基于因果分析的能源系统缺失值补充研究显示文摘针对传统行业中传感器因周围环境导致数据丢失或缺失的困境,提出在未知数据分布情况下基于因果分析对能源系统中的多变量数据进行深度学习的方法,并利用其结果对缺失值进行补充。首先,对样本进行再均衡;其次,基于LSTM的多变量构建模型,利用因果分析优化其深度学习的优化器,去除在学习过程中不被期望的影响因子,削弱特征值与稳定偏转之间的伪相关,并结合安慰剂效应排除稳定偏转对特征值的影响;再次,将特征值与有害因子相减,获得去除有害因子的值进而优化模型得到更优结果。这种方法解决了在机器学习过程中对头部数据的欠拟合和对尾部数据的过拟合问题。在多变量的能源系统数据集中进行实验,结果表明,该方法在将缺失值插补收敛到真实值的问题上精度更高。 | 房旭 | 2024 | 软件导刊2024，23，1： | 0 |
| 13 | 局域微气候对建筑供暖空调用能的影响显示文摘准确的量化城市建筑能源需求有助于实现建筑节能,但鲜有探讨严寒地区局域微气候差异对单体建筑供暖空调用能需求的影响.研究基于局地气候分区(local climate zone,LCZ)体系,采用实测和EnergyPlus模拟结合的方法对以哈尔滨市南岗区14个典型空间的全年逐时空气温度和相对湿度为天气文件的典型单体办公建筑进行了能耗模拟与分析.结果显示不同LCZ类型的建筑供冷供热能耗和逐时冷热负荷均存在显著差异,供热需求明显高于供冷需求,LCZA密林总能耗最高,LCZ2多层高密度总能耗最低;不同地表形态特征对夏季典型日冷负荷的影响大于冬季典型日热负荷的影响;年供热能耗和总能耗与室外气温负相关,年供冷能耗与室外气温和相对湿度不具备线性相关性. | 贾琦 韩东亮 张甜甜 | 2023 | 低温建筑技术2023，45，2： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员