共查询到19条相似文献，搜索用时 390 毫秒
1.
针对锂离子电池荷电状态(state of charge, SOC)预测问题，利用长短期记忆（long short term memory, LSTM）循环神经网络建立电池SOC预测模型。在恒阻放电情况下，将电池输出电流、输出电压和电池表面温度作为模型的主要输入，使用训练样本对神经网络进行训练，使用验证样本进行验证。结果表明，用该方法进行电池SOC预测时可使最大绝对误差仅为1.96%，均方根误差为0.986%，可行性被验证。分析神经网络隐含层中不同的神经元个数对预测结果的影响，对比不同批大小情况下训练出的神经网络的预测误差。将隐含层分别设置为1至3个LSTM细胞核，得到不同条件下神经网络的预测误差。结果为电池SOC预测的神经网络模型的隐含层神经元个数、批大小和LSTM细胞核个数的设定提供参考。 相似文献
2.
为进一步提高船舶航行动态预测的精度,提出将长短期记忆(long short-term memory,LSTM)网络应用到船舶航行动态预测。将船舶自动识别系统(automatic identification system,AIS)数据转化为航行动态时间序列数据用于LSTM网络的训练和测试。将预测结果与传统的航迹推算法、BP(back propagation)神经网络法等的预测结果进行对比,结果证明:基于LSTM网络的船舶航行动态预测模型具有精度高、鲁棒性强、通用性好等特点。预测结果可以为船舶交通管理中心(vessel traffic services,VTS)的监管提供参考,在预警船舶碰撞、搁浅等事故方面具有较高的实际应用价值。 相似文献
3.
为准确进行港口货物吞吐量预测,采用逐步递归的方法,建立基于时间序列的港口货物吞吐量广义回归神经网络(Generalized Regression Neural Network,GRNN)预测模型.利用该模型预测某港口货物吞吐量,结果表明:对于小样本的短期预测,该模型具有适应性好、误差小等特点. 相似文献
4.
为实现船舶设备的预测性维护,提高轮机人员工作效率,提出一种由Elman神经网络修正的自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型用于设备运行数据预测。对输入数据进行平稳化处理,建立相应的ARIMA模型;引入Elman神经网络对ARIMA模型的预测残差进行分析并建立Elman残差预测模型;将ARIMA模型的预测值与Elman残差预测模型的预测值相加,得到最终预测值。采用“育鲲”号船某航次中冷器的海水出口温度数据进行模型的训练和验证,将Elman-ARIMA组合模型与单一模型预测结果的平均绝对百分比误差进行对比分析,结果表明,Elman-ARIMA组合模型具有较好的预测性能。 相似文献
5.
基于NARX神经网络的港口集装箱吞吐量预测 总被引：1，自引：0，他引：1
为对港口集装箱吞吐量进行科学预测,采用带外生变量的非线性自回归(NARX)模型对上海港的集装箱吞吐量进行预测.通过主成分分析法对港口吞吐量影响因子进行相关性分析,将筛选出的GDP作为外部输入因子引入NARX模型.实证分析发现,引入GDP的NARX神经网络模型对具有非线性特征的集装箱吞吐量数据有良好的映射逼近性.训练后的网络误差小且拟合度高,具有良好的泛化能力,预测性能较好. 相似文献
6.
为降低船舶交通流量的预测误差,提高预测精度,在分析传统的灰色模型和反向传播(BackPropagation,BP)神经网络模型优缺点的基础上,构建灰色神经网络模型预测船舶交通流量.以实际测量值作为初始数据构建不同的灰色模型,各种灰色模型的预测值作为神经网络的输入值,得到最佳预测模型.实例分析表明:灰色神经网络模型可提高预测精度,预测结果比较理想,优于单一预测模型;该模型具有所需初始数据少和非线性拟合能力强的特点,用于船舶交通流量预测是可行和有效的. 相似文献
7.
针对船舶交通流量预测模型对船舶流量数据空间特征考虑较少的问题,建立一种由切比雪夫网络(Chebyshev network, ChebNet)和长短期记忆网络(long short-term memory, LSTM)组成的深度学习预测模型ChebNet-LSTM。ChebNet的K阶卷积算子有利于提取船舶流量数据的空间特征,而LSTM用于学习船舶流量数据的时间特征。选取舟山水域中船舶流量不同的3个区域进行船舶流量预测实验。结果表明,所提出的ChebNet-LSTM模型可以有效地提取船舶流量数据的时空特征,在各项评价指标上的表现均优于对比模型,预测精度得到较大提高,可以为水上交通智能航行提供数据支撑。 相似文献
8.
徐志成 《常州工程职业技术学院学报》2006,(2)
利用多模型的思想进行二水法磷酸装置反应槽SO3浓度软测量建模。首先通过机理分析选出对目标变量SO3浓度影响较大的变量作为辅助变量,并利用神经网络分类思想按目标变量值的不同区间对现场数据进行分类,然后采用多个径向基神经网络(RBF)建立相应的经验模型。工业装置数据的拟合和预测结果表明:基于神经网络的多模型软测量可以取得更好的效果。 相似文献
9.
为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。 相似文献
10.
为了实现汽油干点的直接在线测量,提出了一种基于T-S模糊神经网络(TS-FNN)的汽油干点预测方法.以某炼油厂常减压装置常压塔塔顶汽油干点为背景,确定影响因素,分析采集的数据,依据样本数据建立BP神经网络(BPNN)模型及TS-FNN模型,验证模型的预测有效性.结果表明:基于TS-FNN模型预测的汽油干点与观测值基本一... 相似文献
11.
在深入研究分组密码及其工作模式的基础上,引用正交空间的成熟理论,提出一种基于生长树的复合模型. 该模型对各经典分组密码算法加密后的密文进行复合,生成安全强度更高的输出序列. 理论分析和实验结果表明,该模型性能良好. 相似文献
12.
针对移动边缘网络缓存问题，提出把计算资源推送到网络边缘，使边缘接入热点能有数据分析能力，构建基于深度学习的深度缓存策略，进一步提升缓存效率。在边缘接入热点处构建基于长短期记忆神经网络模型的缓存内容文件流行度预测系统，通过分析本地数据给出内容文件流行度预测。把内容文件流行度预测系统整合到移动边缘网络缓存系统中最大化缓存命中率，提出深度缓存策略，大大提升移动边缘网络缓存性能。在真实视频数据集上进行测试，实验结果表明：提出的内容流行度预测系统的准确度高于现有最优方法；提出的深度缓存策略与传统的缓存算法相比，在相同的缓存命中率指标下大约仅需一半的缓存存储空间。 相似文献
13.
详细介绍了一个新的大样本集合预报系统. 为了减小ENSO(厄尔尼诺-南方涛动)预报中的预报不确定性,该集合预报系统首先基于一个中等复杂程度的耦合模式,利用集合卡尔曼滤波资料同化方法同化有效的海洋观测资料为集合预报系统提供集合初始场;同时,一个发展的用于12个月预报的一阶线性马尔可夫(Markov)随机误差模式被嵌套到集合预报系统中来模拟模式不确定性. 基于1992年11月~2008年10月100个样本的集合回报试验,从确定性预报技巧和概率预报技巧2个方面对集合预报系统的预报水平进行了检验. 该集合预报方法能够很有效地将传统的确定性预报扩展到概率预报领域,且检验结果表明,预报样本均值的预报水平要优于单一的确定性预报. 对于概率预报而言,集合预报样本能够很好地跟随观测的变化,并且能够提供单纯确定性预报所不能够提供的额外信息. 相似文献
14.
由于卫星导航定位方程组的非线性特性,传统的定位解算方法在解算之前需要对定位方程组进行线性化处理,会影响定位解算精度。容积卡尔曼滤波算法基于贝叶斯估计和容积变换,可以有效地提高非线性滤波估计的精度。将容积卡尔曼滤波算法应用于卫星导航定位解算,建立定位解算系统状态转移模型和测量模型,通过时间更新和测量更新两个环节递推估计接收机的三维位置坐标。利用IGS观测数据对基于容积卡尔曼滤波的定位解算方法进行验证,并与最小二乘法和扩展卡尔曼滤波算法进行对比,结果证明将容积卡尔曼滤波用于卫星导航定位解算可以获得更高的定位精度,并且具有较快的收敛速度。 相似文献
15.
旨在实现对赛道上风速风向的超短期预测,为自由式滑雪空中技巧提供实用有效的风速风向预报信息,为运动员稳定性控制与技术训练提供辅助支持。针对赛道风具有非平稳、波动剧烈的特点,采用离散小波变换提取风速风向序列的特征分量,对低频近似分量建立非线性自回归(NAR)神经网络模型,高频细节分量建立差分自回归移动平均(ARIMA)模型,再将各分量结果组合相加得到最终预测结果。误差分析表明组合模型能有效改善单一模型的预测滞后性,预测精度高同时具备预测风速风向突变的能力。对预测结果进一步分析,将其转换为表征赛道风稳定性的指标,来为运动员提供更直观的预报信息。最后对模型计算用时分析表明该方法能够满足实际应用的需求。 相似文献
16.
为建立复合材料船全船有限元分析方法,基于中国船级社《海上高速船入级与建造规范》针对铝合金或钢质高速船的全船有限元分析方法,采用复合材料单层力学特性赋值方法对某双体复合材料船赋予材料属性,开展全船有限元分析。对载荷及载荷施加、工况定义和衡准等进行讨论,修正总纵载荷施加方法和工况定义,验证应变衡准在复合材料高速船全船有限元分析中的适用性。本文方法具有很好的操作性和实用性,对复合材料船的结构铺层设计与优化、规范标准制定及发展具有一定意义。 相似文献
17.
为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的叠加。采用小波分析对潮汐样本数据进行去噪处理,使用调和分析法计算天文潮位,以调和分析法计算产生的残差作为非线性水位样本数据,并使用ARIMA-SVR模型进行潮高计算,最后将两部分的计算结果进行线性求和得到最终的潮汐预测值。利用美国旧金山港口实测潮汐数据进行预测仿真,结果表明,该组合模型解决了调和分析忽略非线性影响的问题,提高了潮汐预测准确率,可行且高效。 相似文献
18.
中国优秀足球运动员身体形态特征和目标结构模型 总被引：1，自引：0，他引：1
通过对我国优秀足球运动员身体形态的长度、体格和围度指标的测试,对所得数据进行了统计学处理,在此基础上深入的分析了我国优秀足球运动员的身体形态特征,并建立了我国优秀足球运动员的身体形态目标结构模型,为我国优秀足球运动员的选材和选拔提供了理论依据. 相似文献
19.
地震预报是当代科学难题,把机器学习方法运用于地震预报探索是一个研究热点。大地震造成巨大的人员伤亡和经济损失,因此对大震的预测是地震预报的主要目标。利用1970年以来的川滇地震目录,选择16个反映地震时空强度分布特征的地震预测因子,采取滑动时空窗口方法有效地挖掘数据的隐藏信息,对川滇部分地区开展了基于长短期记忆（long short-term memory,LSTM）神经网络的为期一年的地震预报研究。结果显示,用1970—2019年地震目录的70%（时间窗口大概为1970年到2004年前后）作为训练集训练网络,对剩余的30%作为测试集（时间窗口大概为2005年前后到2019年底）进行回溯性预报检验时,实际震级落在预测震级±0.5内的准确率为70.2%,虚报率为18.7%,漏报率为11.1%,可以回溯性预测2008年汶川MS8.0地震。为测试模型的稳健性,进行了扩大研究区域范围、改变大震级地震在均方差计算中的权重等测试。在这些测试中,LSTM神经网络模型依然表现良好。 相似文献