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
共找到1,279篇文章
< 1 2 … 64 >
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：
Prophet时序模型在短期水质溶氧预测中的应用 被引量：4
1
作者 沈时宇 陈明 《渔业现代化》 CSCD 2020年第3期29-35,共7页
Prophet是Facebook开源的一种时间序列预测模型,擅长处理具有大异常值和趋势变化的日常周期数据。针对Prophet时序模型在短时间数据上预测精度较低的问题,提出了基于Prophet改进的Prophet_SVR模型对未来2 h内溶氧参数进行预测,并利用对... Prophet是Facebook开源的一种时间序列预测模型,擅长处理具有大异常值和趋势变化的日常周期数据。针对Prophet时序模型在短时间数据上预测精度较低的问题,提出了基于Prophet改进的Prophet_SVR模型对未来2 h内溶氧参数进行预测,并利用对比模型在相同数据上进行对比试验。试验结果通过均方根误差(ERMSE)和平均绝对百分比误差(EMAPE)进行对比。结果显示:Prophet_SVR模型的试验结果相对于Prophet时序模型ERMSE下降0.1971,EMAPE下降3.8904%。试验对比可知,Prophet_SVR预测模型在降低预测整体误差和提升单个数值预测精度上效果更优。该方法训练模型的时间更短、效率更高,为短期水质参数预测提供了参考。 展开更多
关键词 时间序列 溶氧预测 prophet时序预测模型 支持向量回归
下载PDF
Prophet-LSTM组合模型在运输航空征候预测中的应用 被引量：1
2
作者 杜红兵 邢梦柯 赵德超 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1878-1885,共8页
为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分... 为准确预测中国运输航空征候万时率,提出了一种将时间序列模型和神经网络模型组合的预测方法。首先,利用2008年1月—2020年12月的运输航空征候万时率数据建立Prophet模型,使用RStudio软件进行模型拟合,获取运输航空征候万时率的线性部分;其次,利用长短期记忆网络(Long Short-Term Memory,LSTM)建模,获取运输航空征候万时率的非线性部分;最后,利用方差倒数法建立Prophet-LSTM组合模型,使用建立的组合模型对2021年1—12月运输航空征候万时率进行预测,将预测结果与实际值进行对比验证。结果表明,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别为0.0973、16.1285%、0.1287。相较于已有的自回归移动平均(Auto Regression Integrated Moving Average,ARIMA)+反向传播神经网络(Back Propagation Neural Network,BPNN)组合模型和GM(1,1)+ARIMA+LSTM组合模型,Prophet-LSTM组合模型的EMA、EMAP、ERMS分别减小了0.0259、10.4874百分点、0.0143和0.0128、2.0599百分点、0.0086,验证了Prophet-LSTM组合模型的预测精度更高,性能更优良。 展开更多
关键词 安全社会工程 运输航空征候 prophet模型 长短期记忆网络(LSTM)模型 组合预测模型
原文传递
基于融合影响因素PSO-Prophet模型的农产品价格预测
3
作者 刘合兵 王一飞 +2 位作者 王垒 席磊 尚俊平 《湖北农业科学》 2024年第1期185-189,共5页
为了提高价格预测的准确度,在Prophet模型中融入了消费者物价指数(CPI)和经济政策不确定性指数(EPU)等影响因素,并使用粒子群算法优化参数。利用国际大蒜贸易网中的日价格数据,将该方法应用于山东省大蒜的价格预测。结果表明,融合影响... 为了提高价格预测的准确度,在Prophet模型中融入了消费者物价指数(CPI)和经济政策不确定性指数(EPU)等影响因素,并使用粒子群算法优化参数。利用国际大蒜贸易网中的日价格数据,将该方法应用于山东省大蒜的价格预测。结果表明,融合影响因素的PSO-Prophet模型大蒜价格预测结果的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)比Prophet模型分别降低了82.88%、82.86%和77.49%。融合影响因素的PSO-Prophet模型可以有效提高预测精度。 展开更多
关键词 价格预测 融合影响因素 prophet模型 PSO-prophet模型 农产品
下载PDF
SL-tgStore:新的时序知识图谱存储模型
4
作者 李松 王哲 张丽平 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第3期449-458,共10页
为了解决时序知识图谱的存储问题,提出结合快照和日志模式的时序知识图谱存储模型SL-tgStore.模型由若干时间桶组成,每个时间桶由一系列的时间窗口组成.在首个时间窗口引入初始快照作为时序知识图谱存储和处理的基本单元,在接下来的时... 为了解决时序知识图谱的存储问题,提出结合快照和日志模式的时序知识图谱存储模型SL-tgStore.模型由若干时间桶组成,每个时间桶由一系列的时间窗口组成.在首个时间窗口引入初始快照作为时序知识图谱存储和处理的基本单元,在接下来的时间窗口存储为增量日志.提出相应的阈值来确定初始快照的生成,即生成一个新的时间桶,以达到初始快照数量与增量日志数量的平衡,并提出临时快照生成算法.所提模型能够有效解决快照存储模式消耗内存大,日志存储模式查询效率低的问题.为了对SL-tgStore模型进行高效查询,在此基础上提出4种索引结构.在4个真实数据集上进行实验,理论研究与实验结果表明所提出的SL-tgStore存储模型具有高效性. 展开更多
关键词 时序知识图谱 资源描述框架(RDF) 存储模型 日志模式 快照模式
下载PDF
基于TiDE-PatchTST模型的柑橘冷藏效率时序预测模型优化
5
作者 杨信廷 郭向阳 +2 位作者 韩佳伟 刘彤 杨霖 《农业机械学报》 EI CAS CSCD 北大核心 2024年第7期396-404,共9页
柑橘低温贮藏过程中果实温度波动是引发果品品质安全风险与增加制冷能耗的关键因素,同时果品品质与制冷能耗也是评判柑橘冷藏效率的重要评价指标,实现两者动态预测可为科学预知与精准优化柑橘冷藏效率提供可靠支持。本文提出一种基于Pat... 柑橘低温贮藏过程中果实温度波动是引发果品品质安全风险与增加制冷能耗的关键因素,同时果品品质与制冷能耗也是评判柑橘冷藏效率的重要评价指标,实现两者动态预测可为科学预知与精准优化柑橘冷藏效率提供可靠支持。本文提出一种基于PatchTST的柑橘冷藏效率时序预测模型。首先,基于自注意力机制和独立预测方法(Channel independent,CI)构建基础PatchTST模型;其次,通过融合基础PatchTST模型与TiDE模型中的协变量特征提取模块,实现对多元时序数据集中全部序列的特征提取,并有效改进模型预测精度;最后,基于皮尔森相关性分析方法定量分析冷库制冷参数与能耗、柑橘温度的相关性,确定TiDE-PatchTST模型输入参数,并基于5000组实验数据实现多种模型训练与测试,对比验证TiDE-PatchTST模型的准确性与优越性。结果表明,基于TiDE-PatchTST模型的冷库能耗预测值与实验值平均绝对误差(MAE)和均方根误差(RMSE)分别为3.645 W·h和10.421 W·h,柑橘温度预测值与实验值的MAE和RMSE分别为0.034℃和0.042℃,相比Transformer模型,能耗预测的MAE和RMSE最高分别下降41.43%和39.27%,柑橘温度预测的MAE和RMSE最高分别下降46.03%和28.81%。本研究可为柑橘冷藏过程温度波动与能耗动态感知与优化调控等提供可靠方法支持与参考。 展开更多
关键词 柑橘 冷藏效率 时序预测模型优化 PatchTST TIDE
下载PDF
基于Prophet-XGBoost组合模型的极端温度事件下负荷预测
6
作者 施骞 陈汉驰 《价值工程》 2024年第11期1-4,共4页
气候变化对城市的影响日益加剧,频发的极端温度事件导致城市电力系统供需不平衡问题凸显,精确的需求侧电力负荷预测成为提升电力系统适应性从而支持城市功能稳定性的关键。本文开发了一种适用于极端温度事件下负荷预测的组合模型,结合... 气候变化对城市的影响日益加剧,频发的极端温度事件导致城市电力系统供需不平衡问题凸显,精确的需求侧电力负荷预测成为提升电力系统适应性从而支持城市功能稳定性的关键。本文开发了一种适用于极端温度事件下负荷预测的组合模型,结合时间序列模型Prophet和机器学习模型XGBoost,有效表征极端温度影响下的电力负荷波动趋势。实验结果表明,相比传统单一模型,组合模型显著提高了极端温度事件下的电力负荷预测精度,在增强城市电力系统对气候变化适应性方面具有较强的有效性,从而为电力调度等电力系统应急管理工作提供了更可靠的支持。 展开更多
关键词 极端温度 电力负荷预测 prophet模型 XGBoost模型
下载PDF
融合社交关系和时序特征的图神经网络推荐模型
7
作者 胡胜利 王柳 《厦门理工学院学报》 2024年第5期51-59,共9页
为解决推荐模型中的用户信息缺失和用户动态偏好问题,满足用户个性化需求,提出一种融合社交关系和时序特征的图神经网络推荐模型。该模型先构建社交关系图,并通过注意力机制得到基于社交关系的用户潜在特征;再构建用户-项目交互图,利用... 为解决推荐模型中的用户信息缺失和用户动态偏好问题,满足用户个性化需求,提出一种融合社交关系和时序特征的图神经网络推荐模型。该模型先构建社交关系图,并通过注意力机制得到基于社交关系的用户潜在特征;再构建用户-项目交互图,利用门控循环单元和注意力机制捕获交互信息,分别获得用户的时序特征和项目特征;最后将用户潜在特征与时序特征融合得到新的用户特征,并将其与项目特征进行融合,经过多层感知机得到最终推荐结果。在不同数据集上进行实验,结果表明,该模型能更好地处理用户信息缺失和用户动态偏好问题,进而提升推荐性能。相较于经典的图神经网络推荐模型,该模型的精确率和归一化折损累计增益比分别提高了4.0%和4.1%。 展开更多
关键词 推荐模型 图神经网络 社交关系 时序特征 注意力机制 门控循环单元
下载PDF
基于prophet模型预测中国布鲁氏菌病发病人数 被引量：1
8
作者 温福东 赵彬宇 +1 位作者 苏月 王玉鹏 《中国医院统计》 2024年第1期7-10,共4页
目的建立一个适用于预测中国布鲁氏菌病发病人数的时间序列模型,为该病的预防与控制提供科学依据。方法利用2015年1月至2021年12月的发病人数数据,分别建立SARIMA模型和prophet模型。使用2022年1月至2023年4月的数据对这2个模型的预测... 目的建立一个适用于预测中国布鲁氏菌病发病人数的时间序列模型,为该病的预防与控制提供科学依据。方法利用2015年1月至2021年12月的发病人数数据,分别建立SARIMA模型和prophet模型。使用2022年1月至2023年4月的数据对这2个模型的预测效果进行验证,应用RMSE、MAPE和MAE 3项指标比较模型预测的结果。选用预测精度较高的prophet模型对2023年5月至2024年4月的发病人数进行预测。结果我国的布鲁氏菌病发病人数总体呈上升趋势,并于每年的6—7月达到顶峰,显示出明显的季节性趋势。相对于SARIMA模型,prophet模型的RMSE、MAPE和MAE值较低,表明prophet模型对于预测布鲁氏菌病发病人数具有更高的准确性。2023年发病高峰的预测峰值低于2021年和2022年的实际峰值。结论prophet模型可以较好地拟合全国布鲁氏菌病的月报告发病人数,可用于短期预测。 展开更多
关键词 布鲁氏菌病 prophet模型 SARIMA模型 时间序列 预测
下载PDF
故事启发大语言模型的时序知识图谱预测
9
作者 陈娟 赵新潮 +4 位作者 隋京言 祁麟 田辰 庞亮 方金云 《模式识别与人工智能》 EI CSCD 北大核心 2024年第8期715-728,共14页
时序知识图谱海量稀疏,实体的长尾分布导致对分布外实体的推理泛化性较差,历史交互低频导致对未来事件的预测偏差较大.为此,文中提出故事启发大语言模型的时序知识图谱预测方法,利用大语言模型的世界知识储备和复杂语义推理能力,增强对... 时序知识图谱海量稀疏,实体的长尾分布导致对分布外实体的推理泛化性较差,历史交互低频导致对未来事件的预测偏差较大.为此,文中提出故事启发大语言模型的时序知识图谱预测方法,利用大语言模型的世界知识储备和复杂语义推理能力,增强对分布外实体的理解和交互稀疏事件的关联.首先,根据时序知识图谱中时间和结构的特性筛选“关键事件树”,通过历史事件筛选策略提炼最具代表性的事件,并摘要当前查询相关的历史信息,减少数据输入量并保留最重要的信息.然后,微调大语言模型生成器,生成时序语义关联且符合逻辑的“关键事件树”叙事故事,作为非结构化输入.在生成过程中,特别关注事件之间的因果关系和时间顺序,确保生成的故事具有连贯性和合理性.最后,利用大语言模型推理器推理缺失的时序实体.在3个公开数据集上的实验表明,文中方法可充分发挥大模型的能力,完成精准的时序实体推理. 展开更多
关键词 时序知识图谱(TKG) 大语言模型 关键事件树 时序故事 事件推理
下载PDF
基于Attention-LSTM时序模型的机械钻速预测方法
10
作者 王彬 徐英卓 +1 位作者 刘烨 李燕 《西安石油大学学报（自然科学版）》 CAS 北大核心 2024年第5期85-95,共11页
针对石油天然气开采成本优化的需求,聚焦钻井作业中提速的关键技术,即机械钻速的预测。传统预测方法通常只考虑瞬时工程参数对机械钻速的影响,而未充分考虑钻井作业的时序性以及机械钻速在时间序列上的相关性。提出一种结合时序特征的... 针对石油天然气开采成本优化的需求,聚焦钻井作业中提速的关键技术,即机械钻速的预测。传统预测方法通常只考虑瞬时工程参数对机械钻速的影响,而未充分考虑钻井作业的时序性以及机械钻速在时间序列上的相关性。提出一种结合时序特征的机械钻速预测模型,该模型基于Attention-LSTM架构。通过Attention机制,模型有效捕捉了工程参数与机械钻速之间的相关性,并利用LSTM网络提取参数的时序特征,增强了模型对时间依赖性的捕捉能力。实验结果证实,所提模型相较于传统深度神经网络在预测精度上有显著提升。添加的Attention机制进一步提升了模型的解释性、训练效率及预测准确性。采用实际油田钻井数据对提出的方法进行了验证,并与现有几种机械钻速预测模型进行了对比分析,证明了本文方法在准确性、可靠性及解释性方面的优势。 展开更多
关键词 机械钻速 预测模型 时序性 Attention-LSTM
下载PDF
基于有载分接开关通用动力学模型的电气时序特性分析
11
作者 王一辰 李金忠 +5 位作者 杨帆 李戈琦 李刚 方斌 张进华 洪军 《电网技术》 EI CSCD 北大核心 2024年第11期4568-4577,I0041-I0043,I0040,共14页
有载分接开关是特高压直流输电工程中换流变压器的重要部件,其结构复杂且有严格的切换动作时序要求,电气时序不合理极易产生电弧烧蚀失效等问题,进而影响输电工程的安全运行。针对有载分接开关动力学模型构建缺乏通用性与电气时序特性... 有载分接开关是特高压直流输电工程中换流变压器的重要部件,其结构复杂且有严格的切换动作时序要求,电气时序不合理极易产生电弧烧蚀失效等问题,进而影响输电工程的安全运行。针对有载分接开关动力学模型构建缺乏通用性与电气时序特性影响规律不明晰问题,基于能量法提出了有载分接开关通用切换动力学模型构建方法,研究了切换过程中能量转换关系与各部分能量损耗计算方法;以一类有载分接开关为例,将其通用动力学模型与软件仿真结果对比表明,两者角速度曲线相吻合,电气切换时序相对误差均小于2.01%,验证了通用模型构建方法的正确性;其次,通过与实验进行对比,发现两者角位移与角速度曲线趋势一致;此外,研究了有载分接开关系统关键参数对电气切换特性影响规律,整体切换时间随着驱动力矩增大而减小,随着转动惯量增大而增大,呈指数关系,且受主触头机构(main contact,MC)切换位置影响较显著;关键电气时序受驱动力矩、转动惯量影响较大,且真空触头机构V1、V2切换时间与V1、V2切换位置呈线性关系,V1-过渡触头机构Z1间隔时间与V2-过渡触头机构Z2间隔时间同时受V1、Z1与V2、Z2切换位置调控。 展开更多
关键词 有载分接开关 动力学模型 电气时序特性 能量转化
原文传递
零担物流时序预测的SARIMA-GRU-BPNN组合模型及应用
12
作者 秦音 郭杜杜 +2 位作者 周飞 王庆庆 王洋 《计算机工程与应用》 CSCD 北大核心 2024年第19期297-308,共12页
针对零担物流的需求物流量显著季节性、非线性和随机性特征使其预测难度大的问题,提出一种零担物流时序预测的SARIMA-GRU-BPNN组合模型的预测方法。使用季节性分解模型将物流量分解为趋势、季节性及残差,对趋势分量采用季节性差分自回... 针对零担物流的需求物流量显著季节性、非线性和随机性特征使其预测难度大的问题,提出一种零担物流时序预测的SARIMA-GRU-BPNN组合模型的预测方法。使用季节性分解模型将物流量分解为趋势、季节性及残差,对趋势分量采用季节性差分自回归移动平均模型(SARIMA)拟合线性变化,对季节性分量采用门控循环神经网络(GRU)拟合季节性变化,对残差分量采用反向传播神经网络(BPNN)拟合非线性及随机性变化,组合重构得到最终预测值。实验结果表明,与自身单一模型SARIMA、GRU及BPNN相比,均方根误差(RMSE)分别降低31.5%、34.5%及47.1%;与其他单一模型灰色模型、支持向量机、长短期记忆网络及多元线性回归相比,RMSE分别降低71.3%、68.9%、54.4%及70.7%;与组合模型ARIMA-GRU、ARIMA-BPNN及ARIMA-SVM相比,RMSE分别降低31.0%、43.0%及56.1%,且趋势和季节性分量预测模型拟合优度达到92%和99%,有效降低整体预测误差,提升了预测精度和模型稳健性。 展开更多
关键词 零担物流 需求预测 时序分解 组合模型 人工神经网络
下载PDF
基于时序序列分解和IBAS LSTM的滑坡数据预测模型
13
作者 荆严飞 党建武 +1 位作者 王阳萍 岳彪 《兰州交通大学学报》 CAS 2024年第2期58-67,共10页
针对传统静态机器学习模型在周期项位移预测中的缺陷和动态神经网络超参数人工选择困难的问题,在时序序列分解的基础上,提出一种新的滑坡预测耦合模型。首先,用最大相关最小冗余算法对周期项位移筛选合适的环境特征,作为长短期记忆人工... 针对传统静态机器学习模型在周期项位移预测中的缺陷和动态神经网络超参数人工选择困难的问题,在时序序列分解的基础上,提出一种新的滑坡预测耦合模型。首先,用最大相关最小冗余算法对周期项位移筛选合适的环境特征,作为长短期记忆人工神经网络的输入。然后,在天牛须搜索算法搜索过程中引入反馈机制,以避免原算法中出现远离最优解的问题;在算法迭代过程中将固定的递减因子改为动态递减因子,以提升前期全局和后期局部的寻优能力;利用改进的天牛须搜索算法对长短期记忆人工神经网络超参数进行寻优,以获得最佳的网络参数组合。最后,重构趋势项和周期项预测结果,得到最终预测位移。以发耳滑坡为例进行分析,结果表明:相较于其他方法,所提模型在平均绝对误差、均方根误差以及拟合度等方面更具优势。 展开更多
关键词 动态神经网络模型 时序序列分解 灰色模型 长短期记忆人工神经网络 天牛须搜索算法
下载PDF
基于降雨量数据的程潮铁矿涌水量时序性预测模型
14
作者 范明星 任高峰 +3 位作者 吴文博 鲁习奎 李吉民 张聪瑞 《金属矿山》 CAS 北大核心 2024年第6期212-219,共8页
无底柱分段崩落法开采必然形成大范围的地表塌陷区,所分布的导水裂隙将导致大量的地表降水向下渗透,引起巷道涌水量骤增,程潮铁矿现已进入-500 m开采水平,大气降雨与崩落法开采所引发的裂隙持续动态发展之间的相互作用机制十分复杂。因... 无底柱分段崩落法开采必然形成大范围的地表塌陷区,所分布的导水裂隙将导致大量的地表降水向下渗透,引起巷道涌水量骤增,程潮铁矿现已进入-500 m开采水平,大气降雨与崩落法开采所引发的裂隙持续动态发展之间的相互作用机制十分复杂。因此,为科学准确地预测井下涌水量,本研究提出了一种以降雨量为输入数据的涌水量灰色GM(1,2)时序性预测模型。以程潮铁矿2019—2021年的降雨量、涌水量实际数据为训练样本,充分考虑崩落法开采对上覆岩体的持续影响,引入时序性系数K对模型进行优化,最终建立的灰色GM(1,2)时序性预测模型与传统的GM(1,2)预测模型相比,预测精度平均提高了7.79%。运用该模型对2022年的涌水量进行预测检验结果表明,其旱、雨两季的预测精度分别为93.51%、93.58%,预测效果较好。研究成果是通过地表降雨量数据直接预测矿山井下涌水量数据的一种有效方法。 展开更多
关键词 无底柱分段崩落法 涌水量预测 灰色系统理论 GM(1 2)模型 时序性系数
下载PDF
基于Prophet-LightGBM的PM2.5浓度预测模型
15
作者 高洁如 魏霖静 +1 位作者 李玥 王开翔 《软件导刊》 2024年第7期144-152,共9页
近年来,PM2.5污染问题日益突出,对人们的身体健康和环境质量造成了严重影响,建立准确的PM2.5浓度预测模型对于污染防治和空气质量管理具有重要意义。针对PM2.5时间序列的非线性、高噪声、不平稳特征提出一种将Prophet模型和LightGBM模... 近年来,PM2.5污染问题日益突出,对人们的身体健康和环境质量造成了严重影响,建立准确的PM2.5浓度预测模型对于污染防治和空气质量管理具有重要意义。针对PM2.5时间序列的非线性、高噪声、不平稳特征提出一种将Prophet模型和LightGBM模型相结合的组合模型。为了验证模型的有效性,以兰州市PM2.5浓度数据为例,对比分析了Prophet-LightGBM模型和其他4种预测模型及其在不同季节下的预测效果。结果表明,Prophet-LightGBM模型相较于对比模型能够更准确地预测PM2.5浓度的变化趋势,RMSE值达6.557,MAE值达4.543,MAPE值达14.344%,在夏季和秋季的预测准确度和稳定性方面表现出更优异的性能,RMSE值最优时达3.155,MAE值达2.169,MAPE值达9.4%。 展开更多
关键词 PM2.5浓度预测 prophet模型 LightGBM模型 组合模型
下载PDF
基于图注意力网络的时序知识图谱人机交互模型
16
作者 于泳 乔少杰 +6 位作者 陈金勇 高林 黄江涛 刘晨旭 韩楠 张桃 蔡宏果 《无线电工程》 2024年第7期1676-1686,共11页
组织和检索信息是人机交互重点关注的话题之一。基于知识图谱(Knowledge Graph,KG)的智能问答系统通过语义解析用户问题,检索知识并回答问题,已成为一种信息检索的有效途径,是人机交互的典型应用。时序知识图谱(Temporal Knowledge Grap... 组织和检索信息是人机交互重点关注的话题之一。基于知识图谱(Knowledge Graph,KG)的智能问答系统通过语义解析用户问题,检索知识并回答问题,已成为一种信息检索的有效途径,是人机交互的典型应用。时序知识图谱(Temporal Knowledge Graph,TKG)问答系统通过语言模型获取问题中的实体和时间戳,并在大型TKG中检索答案。TKG问答系统包含2个挑战:①给定问题,需检索整个TKG,效率低且易受干扰项的影响;②难以捕获问题中隐含的时间词和时间顺序信息。提出一种基于图注意力网络的时间对比学习(Time Contrast Learning,TCL)模型,将源问题与替换时间词后的对比问题同时训练,使用图注意力网络更新实体邻接子图的节点特征,缩小潜在答案的检索空间。在CRONQUESTIONS数据集上进行大量实验,结果表明TCL比其他基准方法具有更好的性能,相较于最先进的基准方法在H it@1和Hits@10指标上平均提升3.44%和2.02%。 展开更多
关键词 智能问答 时序知识图谱 图注意力网络 时间对比学习 语言模型
下载PDF
LSTM-Prophet混合模型在物料储备需求预测中的应用 被引量：1
17
作者 辛唯 《现代计算机》 2024年第4期53-57,共5页
建立LSTM⁃Prophet混合模型,预测A公司未来每日物料消耗量,为工段每日物料储备提供参考,数据集来源为A公司2015年来每日物料实际消耗量。实验结果显示,LSTM⁃Prophet混合模型预测时序数据的MAE值为40.905,MAPE值为0.044,R2值为0.863,三个... 建立LSTM⁃Prophet混合模型,预测A公司未来每日物料消耗量,为工段每日物料储备提供参考,数据集来源为A公司2015年来每日物料实际消耗量。实验结果显示,LSTM⁃Prophet混合模型预测时序数据的MAE值为40.905,MAPE值为0.044,R2值为0.863,三个评价指标都优于LSTM模型、Prophet模型、ARIMA模型三个单一模型的评价指标值。验证了LSTM⁃Prophet混合模型有着更好的预测精度,可以更好地应用于工业场景。 展开更多
关键词 LSTM模型 prophet模型 时序数据预测 混合模型预测
下载PDF
基于改进时序胶囊网络的油藏生产动态分析模型
18
作者 张惠楠 张强 孙红霞 《计算机与现代化》 2024年第9期15-19,24,共6页
我国许多油田的主力开发区块已逐渐进入高含水期,地下油藏复杂,含水量逐步上升,产油量下降。提高对现阶段油田开发生产规律和开采状况的准确认识,对研究油田生产动态变化规律以及制定油田开发策略具有重要意义。针对油田生产动态变化规... 我国许多油田的主力开发区块已逐渐进入高含水期,地下油藏复杂,含水量逐步上升,产油量下降。提高对现阶段油田开发生产规律和开采状况的准确认识,对研究油田生产动态变化规律以及制定油田开发策略具有重要意义。针对油田生产动态变化规律的问题,本文提出一种基于改进时序胶囊预测的油藏动态分析模型。首先,应用双向门控循环单元来捕捉油田数据中的时序特征,提升模型对时序信息的建模能力;其次,用多头注意力深度卷积层捕捉初级时序特征信息,高效地提取序列的长距离依赖关系和复杂特征表示;最后,在动态路由算法中引入注意力机制,让高级胶囊更好地关注重要特征,从而提高信息传递的效率和准确性。为验证本文模型有效性,将油田的时序数据作为输入,通过改进胶囊网络模型输出预测日产油量。将改进的胶囊网络与ResNet、LeNet5等9种模型进行对比。实验结果表明,改进后的胶囊网络的预测精度更高,可达到94.5%。 展开更多
关键词 胶囊网络 双向门控循环单元 动态路由算法 多头注意力 时序预测 油藏分析模型
下载PDF
预测动车组牵引系统故障率的TSOBP-ARIMA-Prophet组合模型
19
作者 张雨晨 戴贤春 +2 位作者 刘敬辉 李秋芬 代成烨 《中国铁道科学》 EI CAS CSCD 北大核心 2024年第4期147-157,共11页
针对单一模型预测故障率时的适用性差异问题,在考虑动车组牵引系统故障率数据特点的基础上,提出TSOBP-ARIMA-Prophet组合模型。首先,针对动车组牵引系统故障率的复杂非线性,引入金枪鱼群算法(TSO)优化BP模型,训练出TSOBP预测模型;其次,... 针对单一模型预测故障率时的适用性差异问题,在考虑动车组牵引系统故障率数据特点的基础上,提出TSOBP-ARIMA-Prophet组合模型。首先,针对动车组牵引系统故障率的复杂非线性,引入金枪鱼群算法(TSO)优化BP模型,训练出TSOBP预测模型;其次,针对故障率的非平稳波动性,选取ARIMA预测模型;然后,针对故障率的季节周期性,选取Prophet预测模型;最后,运用方差倒数法对3个模型的预测结果赋权,得到TSOBP-ARIMA-Prophet组合模型的预测结果。以某动车组牵引系统为例,采用该组合模型预测故障率,并与3个单一模型及TSOBP-ARIMA组合模型对比验证其预测能力。结果表明:该组合模型预测时均方误差为0.0752,较TSOBP,ARIMA和Prophet模型单独预测时分别降低了45.83%,61.65%和53.42%,预测精度显著提高,且较TSOBP-ARIMA组合模型对数据趋势的感知力更优,可有效提升对动车组牵引系统故障率的预测能力。 展开更多
关键词 动车组牵引系统 故障率预测 组合模型 BP模型 金枪鱼群算法 ARIMA模型 prophet模型
下载PDF
基于DFT-MARTE模型的时序分析算法
20
作者 徐嘉 周晴 +1 位作者 杜家昊 王一华 《计算机工程与设计》 北大核心 2024年第1期120-129,共10页
针对航天嵌入式软件(aerospace embedded software,AES)时序需求复杂带来的时序需求定义不准确问题,提出一种基于MARTE(modeling and analysis of real-time and embedded systems)模型的数据流时序(data flow timing based on MARTE,DF... 针对航天嵌入式软件(aerospace embedded software,AES)时序需求复杂带来的时序需求定义不准确问题,提出一种基于MARTE(modeling and analysis of real-time and embedded systems)模型的数据流时序(data flow timing based on MARTE,DFT-MARTE)模型,设计基于该模型的处理点缓存计算算法、时序偏离概率检测算法和时序序列分析算法。处理点缓存计算算法动态更新缓存空间,使后续时序检测正常执行;时序偏离概率检测算法利用多线程并发模拟时序特性,检测需求中时序偏离问题;时序序列分析算法是基于梯度下降算法,拟合时序序列,指导用户优化需求。该模型相比传统数据流模型更适用航天嵌入式软件,利于后续开发和维护,具有极高的应用价值。 展开更多
关键词 数据流时序模型 数据流图 嵌入式软件 时序偏离检测 多线程 时序分析 梯度下降算法
下载PDF
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 2 … 64 下一页 到第 页
使用帮助 返回顶部