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：
基于惯导内检测数据的油气管道凹陷尺寸量化研究
1
作者 张昊宁 段庆全 +6 位作者 付立武 石彤 谢婷 李睿 富宽 王昊 刘啸奔 《中国安全生产科学技术》 北大核心 2025年第1期132-138,共7页
为研究基于惯性导航检测数据的长距离油气管道凹陷尺寸的智能识别和定量分析,提出1种基于CNN-LSTM-Attention混合神经网络的管道凹陷定量识别方法。首先针对惯性测量单元(IMU)检测数据进行预处理,利用主成分分析(PCA)算法进行数据降维,... 为研究基于惯性导航检测数据的长距离油气管道凹陷尺寸的智能识别和定量分析,提出1种基于CNN-LSTM-Attention混合神经网络的管道凹陷定量识别方法。首先针对惯性测量单元(IMU)检测数据进行预处理,利用主成分分析(PCA)算法进行数据降维,建立凹陷样本数据库,构建CNN-LSTM-Attention神经网络的深度学习模型,实现凹陷的量化识别。研究结果表明:本文提出的深度学习模型学习率为0.001时收敛较快,准确率高达92.4%,皆优于同类对比模型,并与2010—2018年数据进行对比分析,其对于凹陷长度以及宽度的误差均不超过真实值的10%,预测精度较高。研究结果可为管道安全运行评价提供理论支撑和技术支持。 展开更多
关键词 IMU CNN-LSTM-Attention神经网络 凹陷量化
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 下一页 到第 页
使用帮助 返回顶部