期刊导航
期刊开放获取
重庆大学
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
3
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CNN-LSTM混合神经网络的高速铁路地震响应预测
1
作者
张学兵
谢啸楠
+1 位作者
王礼
吴晗
《湘潭大学学报(自然科学版)》
CAS
2024年第1期1-13,共13页
为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设...
为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设准分布式光纤光栅采集地震时轨道板、钢轨、底座板、箱梁的响应数据,在每根光纤上布置7个光栅,利用两边光栅的响应数据预测中间点的光栅响应,将采集位置、历史数据及地震波形等信息作为特征图输入.利用CNN提取特征,再将提前提取出来的特征数据以时序方式作为LSTM网络的输入数据,最后LSTM网络进行地震应变响应预测.实验结果表明,LSTM网络在3层时效果最好,CNN-LSTM方法具有较高的预测精度,根均平方误差(R_(RMSE))、平均绝对误差(R_(MAE))、决定系数(R^(2))分别达到了0.3753、0.2968、0.9371.
展开更多
关键词
准分布式光纤光栅
振动台试验
地震响应
卷积神经网络-长短期记忆网络混合模型
下载PDF
职称材料
基于CNN-LSTM混合神经网络模型的短期负荷预测方法
被引量:
294
2
作者
陆继翔
张琪培
+3 位作者
杨志宏
涂孟夫
陆进军
彭晖
《电力系统自动化》
EI
CSCD
北大核心
2019年第8期131-137,共7页
为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以...
为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测精度。
展开更多
关键词
短期负荷预测
卷积神经网络
长短期记忆网络
卷积神经网络—长短期记忆网络混合模型
下载PDF
职称材料
运用CNN-LSTM混合模型的短文本分类
被引量:
3
3
作者
马正奇
呼嘉明
+1 位作者
龙铭
陈新
《空军预警学院学报》
2019年第4期295-297,302,共4页
针对分类短文本时卷积神经网络(CNN)只提取局部特征和长短时记忆网络(LSTM)学习计算量大、处理时间长且随着短文本文字量增加与上下文的联系会减弱的问题,给出了基于CNN-LSTM混合模型算法.该算法融合CNN对短文本的特征提取能力,降低了...
针对分类短文本时卷积神经网络(CNN)只提取局部特征和长短时记忆网络(LSTM)学习计算量大、处理时间长且随着短文本文字量增加与上下文的联系会减弱的问题,给出了基于CNN-LSTM混合模型算法.该算法融合CNN对短文本的特征提取能力,降低了文本数据量;利用LSTM的记忆能力,充分学习短文本的全局特征,进而对短文本进行更加有效地分类.实验结果表明,CNN-LSTM混合模型对短文本的分类效果远远好于CNN模型和LSTM模型.
展开更多
关键词
短文本
卷积神经网络
长短时记忆网络
cnn-lstm
混合模型
下载PDF
职称材料
题名
基于CNN-LSTM混合神经网络的高速铁路地震响应预测
1
作者
张学兵
谢啸楠
王礼
吴晗
机构
湘潭大学土木工程学院
出处
《湘潭大学学报(自然科学版)》
CAS
2024年第1期1-13,共13页
基金
湖南省教育厅重点项目(20K126)
高铁联合基金项目(U1934207)。
文摘
为了更好地挖掘高速铁路在地震时的响应信息,提高光纤光栅监测的效率及预测精度,该文针对地震响应数据的时序性及非线性的特点,提出卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合神经网络模型预测方法.通过在高速铁路简支梁桥上布设准分布式光纤光栅采集地震时轨道板、钢轨、底座板、箱梁的响应数据,在每根光纤上布置7个光栅,利用两边光栅的响应数据预测中间点的光栅响应,将采集位置、历史数据及地震波形等信息作为特征图输入.利用CNN提取特征,再将提前提取出来的特征数据以时序方式作为LSTM网络的输入数据,最后LSTM网络进行地震应变响应预测.实验结果表明,LSTM网络在3层时效果最好,CNN-LSTM方法具有较高的预测精度,根均平方误差(R_(RMSE))、平均绝对误差(R_(MAE))、决定系数(R^(2))分别达到了0.3753、0.2968、0.9371.
关键词
准分布式光纤光栅
振动台试验
地震响应
卷积神经网络-长短期记忆网络混合模型
Keywords
quasi-distributed fiber Bragg grating
the shaker test
seismic response
cnn-lstm hybrid network model
分类号
U211.9 [交通运输工程—道路与铁道工程]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于CNN-LSTM混合神经网络模型的短期负荷预测方法
被引量:
294
2
作者
陆继翔
张琪培
杨志宏
涂孟夫
陆进军
彭晖
机构
南瑞集团有限公司(国网电力科学研究院有限公司)
智能电网保护和运行控制国家重点实验室
出处
《电力系统自动化》
EI
CSCD
北大核心
2019年第8期131-137,共7页
基金
国家重点研发计划资助项目(2017YFB0902600)~~
文摘
为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测精度。
关键词
短期负荷预测
卷积神经网络
长短期记忆网络
卷积神经网络—长短期记忆网络混合模型
Keywords
short-term load forecasting
convolutional neural
network
(CNN)
long short-term memory(LSTM)
network
a
hybrid
model
of
cnn-lstm
network
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
运用CNN-LSTM混合模型的短文本分类
被引量:
3
3
作者
马正奇
呼嘉明
龙铭
陈新
机构
空军预警学院
出处
《空军预警学院学报》
2019年第4期295-297,302,共4页
文摘
针对分类短文本时卷积神经网络(CNN)只提取局部特征和长短时记忆网络(LSTM)学习计算量大、处理时间长且随着短文本文字量增加与上下文的联系会减弱的问题,给出了基于CNN-LSTM混合模型算法.该算法融合CNN对短文本的特征提取能力,降低了文本数据量;利用LSTM的记忆能力,充分学习短文本的全局特征,进而对短文本进行更加有效地分类.实验结果表明,CNN-LSTM混合模型对短文本的分类效果远远好于CNN模型和LSTM模型.
关键词
短文本
卷积神经网络
长短时记忆网络
cnn-lstm
混合模型
Keywords
short text
convolutional neural
network
(CNN)
long-term and short-term memory
network
(LSTM)
cnn-lstm
hybrid
model
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CNN-LSTM混合神经网络的高速铁路地震响应预测
张学兵
谢啸楠
王礼
吴晗
《湘潭大学学报(自然科学版)》
CAS
2024
0
下载PDF
职称材料
2
基于CNN-LSTM混合神经网络模型的短期负荷预测方法
陆继翔
张琪培
杨志宏
涂孟夫
陆进军
彭晖
《电力系统自动化》
EI
CSCD
北大核心
2019
294
下载PDF
职称材料
3
运用CNN-LSTM混合模型的短文本分类
马正奇
呼嘉明
龙铭
陈新
《空军预警学院学报》
2019
3
下载PDF
职称材料
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