期刊文献+
共找到48篇文章
< 1 2 3 >
每页显示 20 50 100
河南省灵宝市枪马金矿床深部盲矿预测的构造叠加晕研究 预览
1
作者 祖宗虎 王俊 《西部资源》 2019年第4期16-20,共5页
文章以构造叠加晕找矿法理论和方法为指导,系统研究了该矿床元素组合、含矿构造中原生晕空间分布分带等地球化学特征规律,研究表明,矿床成矿热液伴生Ag、Cu、Pb、Zn、As、Hg、B、F、Bi、Mo、Mn、Co、Ni、W等多元素活动特点,利用构造叠... 文章以构造叠加晕找矿法理论和方法为指导,系统研究了该矿床元素组合、含矿构造中原生晕空间分布分带等地球化学特征规律,研究表明,矿床成矿热液伴生Ag、Cu、Pb、Zn、As、Hg、B、F、Bi、Mo、Mn、Co、Ni、W等多元素活动特点,利用构造叠加晕盲矿预测标志,对矿床深部存在进行了预测,提出了盲矿预测靶位,为进一步探矿增储提供了依据。 展开更多
关键词 深部预测 构造叠加晕 深部盲矿 枪马金矿床
在线阅读 下载PDF
成矿系统的多尺度探测:概念与进展--以长江中下游成矿带为例 预览
2
作者 吕庆田 孟贵祥 +3 位作者 严加永 张昆 赵金花 龚雪婧 《中国地质》 CAS CSCD 北大核心 2019年第4期673-689,共17页
在全球矿产勘查逐渐转向"绿地"、深部和覆盖区的大背景下,急需成矿理论的指导。20世纪末提出的成矿系统概念由于其强大的区域成矿预测功能,引起了矿业界广泛的关注和研究。本文首先回顾了成矿系统的概念、组成和分类,然后讨... 在全球矿产勘查逐渐转向"绿地"、深部和覆盖区的大背景下,急需成矿理论的指导。20世纪末提出的成矿系统概念由于其强大的区域成矿预测功能,引起了矿业界广泛的关注和研究。本文首先回顾了成矿系统的概念、组成和分类,然后讨论了成矿系统主要组成部分的探测和识别方法,最后结合笔者近年在长江中下游成矿带开展的多尺度探测,讨论了陆内典型成矿系统的深部过程、地壳结构和地球物理响应,并对成矿系统概念在成矿预测领域的应用前景进行了展望。本文主要结论:(1)成矿系统是由控制矿床形成和保存所有要素构成的自然系统,基本组成单元包括"源区"、"通道"和"场所",每个组成单元都包括复杂的物理、化学和动力学过程;(2)矿床是成矿系统多尺度深部过程耦合在某一"点上"的"结果"。成矿系统在演化过程中,各种物理、化学作用对地壳和岩石圈地幔进行了强烈"改造",留下各种物理、化学和矿物学"痕迹",这些"痕迹"改变了岩石的地球物理性质,具有很好的可探测性;(3)基于长江中下游多尺度探测结果,提出了陆内典型成矿系统"源区"形成过程、控制岩浆/流体迁移的"通道"和物质沉淀场所的新认识;(4)在地学大数据、机器学习、人工智能不断发展的今天,成矿系统和基于成矿系统的多尺度成矿预测将是未来的重要研究方向。 展开更多
关键词 成矿系统 岩石圈结构 深部过程 多尺度探测 成矿预测 深部资源工程
在线阅读 下载PDF
深度学习在电力负荷预测中的应用 预览
3
作者 张建寰 吉莹 陈立东 《自动化仪表》 CAS 2019年第8期8-12,17共6页
针对电力负荷预测中存在的随机性、不确定性的问题,结合深度学习算法具有很强的自适应感知能力等特点,采用目前较为主流的深度学习方法,如长短时记忆(LSTM)网络、门循环单元(GRU)神经网络和栈式自编码器(SAE),分别研究其应用于电力负荷... 针对电力负荷预测中存在的随机性、不确定性的问题,结合深度学习算法具有很强的自适应感知能力等特点,采用目前较为主流的深度学习方法,如长短时记忆(LSTM)网络、门循环单元(GRU)神经网络和栈式自编码器(SAE),分别研究其应用于电力负荷预测时的效果。研究发现,将历史负荷数据作为三种深度学习预测模型的输入时,三种预测模型的负荷预测精度指标评估结果各有不同。因此,为了全面评估三种预测模型的预测效果,提出将不同时间段内的相同历史负荷数据作为预测模型输入对比各模型的负荷预测精度,从中找出最佳的预测模型。仿真结果验证了三种预测模型在电力负荷预测应用中的可行性,且发现在单输入因素时LSTM模型的预测精度相对较高。因此,在后续研究中,可以考虑以LSTM预测模型作为基础预测模型,结合更多的负荷影响因素进行改进,以提高负荷预测精度。 展开更多
关键词 深度学习 长短时记忆 门循环单元 循环神经网络 栈式自编码器 负荷预测 预测精度
在线阅读 下载PDF
人工智能方法在配用电领域的应用 预览
4
作者 邓欣宇 王守相 +2 位作者 郭陆阳 陈海文 赵辉 《供用电》 2019年第1期3-9,共7页
近年来人工智能方法在图像分类、物体检测、自然语言处理等领域取得了突破性进展。在电力行业,特别是配用电领域也涌现了诸多应用人工智能方法的研究成果,这些成果的应用有助于促进配用电的智能化发展,提高配用电系统运行的经济性和可... 近年来人工智能方法在图像分类、物体检测、自然语言处理等领域取得了突破性进展。在电力行业,特别是配用电领域也涌现了诸多应用人工智能方法的研究成果,这些成果的应用有助于促进配用电的智能化发展,提高配用电系统运行的经济性和可靠性。文章回顾了近期人工智能方法在配用电领域应用的热点问题,从配电设备故障诊断、配电负荷和分布式发电预测、配电系统运行优化、负荷特性分析4个热门方向进行归纳总结,希望能为相关研究提供借鉴与参考。 展开更多
关键词 人工智能 深度学习 故障检测 负荷预测 电压控制 负荷特性分析
在线阅读 下载PDF
Geospatial Data to Images:A Deep-Learning Framework for Traffic Forecasting
5
作者 Weiwei Jiang Lin Zhang 《清华大学学报自然科学版(英文版)》 EI CAS CSCD 2019年第1期52-64,共13页
Traffic forecasting has been an active research field in recent decades,and with the development of deep- learning technologies,researchers are trying to utilize deep learning to achieve tremendous improvements in tra... Traffic forecasting has been an active research field in recent decades,and with the development of deep- learning technologies,researchers are trying to utilize deep learning to achieve tremendous improvements in traffic forecasting,as it has been seen in other research areas,such as speech recognition and image classification.In this study,we summarize recent works in which deep-learning methods were applied for geospatial data-based traffic forecasting problems.Based on the insights from previous works,we further propose a deep-learning framework, which transforms geospatial data to images,and then utilizes the state-of-the-art deep-learning methodologies such as Convolutional Neural Network (CNN)and residual networks.To demonstrate the simplicity and effectiveness of our framework,we present a formulation of the New York taxi pick-up/drop-off forecasting problem,and show that our framework significantly outperforms traditional methods,including Historical Average (HA)and AutoRegressive Integrated Moving Average (ARIMA). 展开更多
关键词 GEOSPATIAL data deep LEARNING convolutional NEURAL NETWORK RESIDUAL NETWORK traffic forecasting
基于深度学习的智能楼宇微网负荷预测方法研究 预览
6
作者 常峰铭 易灵芝 《测控技术》 CSCD 2018年第12期42-45,共4页
楼宇微网是智能电网的重要组成部分,提高智能楼宇微网负荷预测精度,有助于对楼宇能效系统进行优化控制和调度规划.针对智能楼宇微网用电负荷数据的特点,提出了基于深度学习的智能楼宇微网短期负荷预测模型。首先用无监督的贪心算法对原... 楼宇微网是智能电网的重要组成部分,提高智能楼宇微网负荷预测精度,有助于对楼宇能效系统进行优化控制和调度规划.针对智能楼宇微网用电负荷数据的特点,提出了基于深度学习的智能楼宇微网短期负荷预测模型。首先用无监督的贪心算法对原始数据进行负荷数据的特征学习,完成对智能楼宇微网负荷数据的特征提取;然后挖掘智能楼宇微网负荷数据间的相互关系;最后用反向传播算法微调整个模型的参数.实验结果表明,提出的预测模型与传统预测模型相比具有更高的预测精度,且具有很好的可行性和有效性。 展开更多
关键词 智能楼宇微网 深度学习 特征提取 负荷预测
在线阅读 免费下载
隧道深基槽回淤预警预报系统研究 预览 被引量:1
7
作者 韩西军 王汝凯 杨华 《水道港口》 2018年第3期249-252,共4页
港珠澳大桥是一条具有国家战略意义的跨海通道,其中的沉管隧道段也是当今世界上最难的海底隧道工程。面对厘米级预报精度的苛刻要求,隧道深基槽回淤预警预报系统针对工程附近海域的水动力和泥沙环境,提出了"等效潮差"理论,极大程度地... 港珠澳大桥是一条具有国家战略意义的跨海通道,其中的沉管隧道段也是当今世界上最难的海底隧道工程。面对厘米级预报精度的苛刻要求,隧道深基槽回淤预警预报系统针对工程附近海域的水动力和泥沙环境,提出了"等效潮差"理论,极大程度地简化了计算过程,达到了能够快速反应的目的。采用本研究创立的公式,利用逐日动力参数,达到了计算时间精确到天、基槽泥沙淤积厚度预报精度到厘米级的要求,成功进行了港珠澳大桥沉管隧道E15~E33管节的基槽泥沙淤积预警预报。 展开更多
关键词 深基槽 等效潮差 淤积 预警预报
在线阅读 下载PDF
基于DBN的金融时序数据建模与决策 预览 被引量:3
8
作者 曾志平 萧海东 张新鹏 《计算机技术与发展》 2017年第4期1-5,共5页
在金融时序数据的分析中经常会遇到一些复杂的非线性系统,利用数学方法很难对这些复杂的系统状态方程准确建模。针对目前金融时序的数据分析复杂性和不确定性等问题,将对复杂非线性系统的模拟转化为对金融时序数据曲线的模式识别,确... 在金融时序数据的分析中经常会遇到一些复杂的非线性系统,利用数学方法很难对这些复杂的系统状态方程准确建模。针对目前金融时序的数据分析复杂性和不确定性等问题,将对复杂非线性系统的模拟转化为对金融时序数据曲线的模式识别,确定了金融时序数据上升、下降以及无规则的各种模式。利用深度学习对非结构化数据处理的优势,提出了一种改进的基于深度信念网络(DBN)决策算法的金融时序数据建模与分析方法。将时序数据转化为非结构化数据,以这些非结构化数据作为深度学习网络的输入层训练DBN金融时序数据模型,应用训练好的模型于金融时序数据样本的预测选取和交易。实验结果表明,利用DBN模型选择的金融数据样本在金融时序数据量化的决策分析中的准确率可达到90.5442%. 展开更多
关键词 深度信念网络 受限玻尔兹曼机 深度学习 金融时序数据 预测与决策
在线阅读 下载PDF
基于递归神经网络的火电机组污染物排放研究 预览 被引量:2
9
作者 梁肖 李端超 +3 位作者 黄少雄 高夏生 高卫恒 杨训政 《自动化与仪表》 2017年第10期68-71,76共5页
该文通过研究海量的发电机组历史污染物排放数据,提出一种基于LSTM-RNN深度学习的改进型发电机组排放预测算法ALSTM-RNN(A-R)。A-R算法可以有效地提取出模型特征量,结合数据的归一化对模型的结果进行优化调整,以降低模型训练时间,提... 该文通过研究海量的发电机组历史污染物排放数据,提出一种基于LSTM-RNN深度学习的改进型发电机组排放预测算法ALSTM-RNN(A-R)。A-R算法可以有效地提取出模型特征量,结合数据的归一化对模型的结果进行优化调整,以降低模型训练时间,提高预测精度。通过在不同的发电机组测试试验,A-R算法较最小二乘法(LSM),支持向量机回归(SVR)具有较小的均方误差值,较LSTM-RNN模型预测方差更小,更加稳定,具有较好的鲁棒性。 展开更多
关键词 深度学习 递归神经网络 节能减排 预测模型 改进算法
在线阅读 下载PDF
赵各庄矿3137深部大倾角复杂地质条件下放顶煤开采研究 预览 被引量:1
10
作者 孙祥庆 朱令起 郭立稳 《煤炭与化工》 2015年第10期80-81,84共3页
为解决应力集中问题,采用钻屑法、KBD5电磁辐射仪对工作面动力现象进行预测预报,应用应力计及压力枕预测超前工作面监测应力,提出了赵各庄矿3137D1工作面冲击地压预测预警临界指标;同时采用高位抽放及采空区埋管等综合措施对工作面采空... 为解决应力集中问题,采用钻屑法、KBD5电磁辐射仪对工作面动力现象进行预测预报,应用应力计及压力枕预测超前工作面监测应力,提出了赵各庄矿3137D1工作面冲击地压预测预警临界指标;同时采用高位抽放及采空区埋管等综合措施对工作面采空区进行瓦斯抽放,达到了回风流对瓦斯控制的目的,实现了深部大倾角复杂条件下工作面的安全回采,为其他矿井深部动压区域复杂条件下安全开采提供了经验和技术支持。 展开更多
关键词 深部矿井 大倾角 复杂地质条件 冲击地压 预测预警
在线阅读 下载PDF
深井金属矿山岩爆灾害研究现状 预览 被引量:9
11
作者 唐绍辉 《矿业研究与开发》 CAS 北大核心 2006年第B10期 136-140,共5页
越来越多的金属矿山将进入深井开采,随着开采深度的增加,最显著的变化是显现“高应力、高温和高孔隙水压”的“三高”特性。高应力条件下的岩爆灾害是深部开采遇到的突出问题之一。较为系统地阐述了深井金属矿山岩爆灾害的研究现状,... 越来越多的金属矿山将进入深井开采,随着开采深度的增加,最显著的变化是显现“高应力、高温和高孔隙水压”的“三高”特性。高应力条件下的岩爆灾害是深部开采遇到的突出问题之一。较为系统地阐述了深井金属矿山岩爆灾害的研究现状,包括岩爆的影响因素分析、岩爆灾害预测预报技术和岩爆灾害控制技术。 展开更多
关键词 深井开采 岩爆灾害 预测预报 控制技术
在线阅读 下载PDF
深基坑工程动态施工反演分析与变形预报 预览 被引量:77
12
作者 朱合华 桥本正 《岩土工程学报》 EI CAS CSCD 北大核心 1998年第4期 30-35,共6页
提出了动态施工反演分析的思想,即在常规的反分析过程中引入逐步开挖和逐道支撑的动态施工因素,以求仿真模拟工程实际情况,进而为相继施工阶段的变形预报提供可靠保证。文中基于任意施工阶段间围护墙体变形与内支撑梁轴力的增量测值... 提出了动态施工反演分析的思想,即在常规的反分析过程中引入逐步开挖和逐道支撑的动态施工因素,以求仿真模拟工程实际情况,进而为相继施工阶段的变形预报提供可靠保证。文中基于任意施工阶段间围护墙体变形与内支撑梁轴力的增量测值和施工FEM优化反演分析法,反推了各土层的弹性模量系数,给出了作用在墙体两侧的土压力分布,并预报各相继施工阶段的墙体和土体变形、内力及内支撑梁轴力。 展开更多
关键词 深基坑开挖 动态施工模拟 反演分析 定变预报
在线阅读 下载PDF
滑坡立体监测法 预览 被引量:1
13
作者 王全才 《中国地质灾害与防治学报》 CSCD 1990年第3期34-40,共7页
本文从时空,方法手段这种广义的立体测量上,集各种变形于一体,探讨监测滑坡变形的本质.从孕育、成熟,到休止。消失一系列滑坡发育过程中准确地捕捉变形形迹,把握位移动向,作出稳定性评价。寻求变形趋势及其规律,进行预测预报是多年来... 本文从时空,方法手段这种广义的立体测量上,集各种变形于一体,探讨监测滑坡变形的本质.从孕育、成熟,到休止。消失一系列滑坡发育过程中准确地捕捉变形形迹,把握位移动向,作出稳定性评价。寻求变形趋势及其规律,进行预测预报是多年来滑坡监测中的研究课题.本文介绍了近年来逐步形成的一种较理想的立体监测法. 展开更多
关键词 滑坡 立体监测 动态观测 深部位移 旋转变形 预报
在线阅读 下载PDF
基于深度递归神经网络的电力系统短期负荷预测模型 预览
14
作者 于惠鸣 张智晟 +1 位作者 龚文杰 段晓燕 《电力系统及其自动化学报》 CSCD 北大核心 2019年第1期112-116,共5页
针对电力负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,本文构建了深度递归神经网络短期负荷预测模型。在深度神经网络多隐层结构的基础上,深度递归神经网络增设了关联层,并以改进粒子群算法作为网络的优化学习算法,对模型... 针对电力负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,本文构建了深度递归神经网络短期负荷预测模型。在深度神经网络多隐层结构的基础上,深度递归神经网络增设了关联层,并以改进粒子群算法作为网络的优化学习算法,对模型权值空间进行深度优化。对某地区电网实际负荷进行预测仿真,结果表明与BP网络、深度神经网络相比,深度递归神经网络的平均绝对误差的周平均值分别降低1.61%和0.56%,验证了深度递归神经网络能够融合前馈与反馈连接,提高网络泛化能力,有效提高负荷预测精度. 展开更多
关键词 深度神经网络 深度递归神经网络 改进粒子群优化算法 短期负荷预测 电力系统
在线阅读 下载PDF
动态灰色预测模型在崩落法矿山地表沉降预测中的应用 预览
15
作者 倪振原 明建 +1 位作者 金爱兵 孙金海 《有色金属:矿山部分》 2019年第2期29-32,共4页
针对灰色预测模型GM(1,1)更适用于短期预测的问题,以其为基础采用等维新息和等维灰数递补两种动态灰色预测方法对矿山地表的沉降量进行了中长期预测研究。探讨了等维新息模型和等维灰数递补模型预测的实现机理,对不同模型的预测结果和... 针对灰色预测模型GM(1,1)更适用于短期预测的问题,以其为基础采用等维新息和等维灰数递补两种动态灰色预测方法对矿山地表的沉降量进行了中长期预测研究。探讨了等维新息模型和等维灰数递补模型预测的实现机理,对不同模型的预测结果和精度进行了比较研究。研究发现等维新息模型可以利用新息调整灰色模型,等维灰数递补模型可以利用灰度约束灰平面的大小,两者相结合能够提高模型的预测精度。工程实践表明:将等维新息模型和等维灰数递补模型结合运用,适用于中长期的沉降预测,能够获得更为合理和精确的预测结果。 展开更多
关键词 崩落法深部开采 地表沉陷 沉降预测 等维新息模型 等维灰数递补模型
在线阅读 下载PDF
BP神经网络在深基坑监测预报中的应用与精度分析 预览
16
作者 刘永辉 黄立 +1 位作者 刘炳凯 袁畅 《广州建筑》 2019年第1期19-23,共5页
以珠海市横琴某深基坑项目为例,考虑到影响基坑产生位移的内因和外因有很多,在不考虑基坑其他因素对监测数据预报带来的影响的情况下,结合BP神经网络算法,提出了基于BP神经网络的预报方法研究,从基坑监测数据本身出发探寻相应的变化规... 以珠海市横琴某深基坑项目为例,考虑到影响基坑产生位移的内因和外因有很多,在不考虑基坑其他因素对监测数据预报带来的影响的情况下,结合BP神经网络算法,提出了基于BP神经网络的预报方法研究,从基坑监测数据本身出发探寻相应的变化规律。使用此方法对所获得的基坑变形数据进行线性内插后建模,并对比分析线性内插前后的预报精度。结果表明,BP神经网络用于深基坑变形监测分析与预报是可行的,并能为后续施工提供有效的参考。 展开更多
关键词 深基坑监测预报 BP神经网络 线性内插
在线阅读 下载PDF
基于集合经验模态和深浅层学习组合的风电场功率短期预测研究 预览
17
作者 曹天行 刘三明 +2 位作者 王致杰 刘剑 孙元存 《电测与仪表》 北大核心 2018年第13期84-88,共5页
风电功率的准确预测是减少风电接入电网的不良影响的必要前提。然而风电功率序列在时间上和空间上表现出非平稳性使其难以准确预测,因此提出一种基于集合经验模态分解(EEMD)和深浅层学习组合的短期风电功率组合预测方法,其中深度学习... 风电功率的准确预测是减少风电接入电网的不良影响的必要前提。然而风电功率序列在时间上和空间上表现出非平稳性使其难以准确预测,因此提出一种基于集合经验模态分解(EEMD)和深浅层学习组合的短期风电功率组合预测方法,其中深度学习使用稀疏自编码器(SAE)而浅层学习则使用BP神经网络,从而建立EEMD-SAEBP预测模型。该模型先用EEMD将风电功率原始序列分解为一系列按不同时间尺度分布的分量;然后针对分量中的高频分量建立SAE预测模型,对低频分量则用BP网络建立预测模型;最后将各子序列预测结果叠加得到最终的风电功率预测结果。通过比较几种预测模型的结果,文中所提出的预测模型能有效地提高预测精度,有较高的实用价值。 展开更多
关键词 风电功率预测 集合经验模态分解 深度学习 BP神经网络 组合预测模型
在线阅读 下载PDF
基于长短期记忆网络的售电量预测模型研究 预览 被引量:3
18
作者 方志强 王晓辉 夏通 《电力工程技术》 2018年第3期78-83,共6页
售电量预测对优化供电结构以及了解经济走势具有重要意义,然而,传统售电量预测方法难以从售电量及其影响因素的数据中自动抽取到较好的数据特征.为此,文中提出一种基于长短期记忆网络的售电量预测模型,该模型通过分析售电量数据及其影... 售电量预测对优化供电结构以及了解经济走势具有重要意义,然而,传统售电量预测方法难以从售电量及其影响因素的数据中自动抽取到较好的数据特征.为此,文中提出一种基于长短期记忆网络的售电量预测模型,该模型通过分析售电量数据及其影响因素的相关性,提出一种行业聚类方法,该方法根据不同行业的数据特征对相似的行业进行聚类,并根据聚类结果训练长短期记忆网络模型.文中模型能够学习售电量数据以及相关影响因素的数据特征和内在关联关系.实验结果表明,文中所提出的预测模型比经典的预测模型具有更高的准确度. 展开更多
关键词 深度学习 循环神经网络 长短期记忆网络 售电量预测
在线阅读 下载PDF
深度稀疏修正神经网络在股票预测中的应用 预览
19
作者 邓烜堃 万良 马彦勤 《计算机技术与发展》 2018年第9期199-204,共6页
传统的股票预测基于统计学的方法,虽然在股票的趋势预测中有效,但是价格预测的准确度不够令人满意.因此,文中利用神经网络研究股票价格的预测问题.神经网络具有很强的非线性拟合能力,适用于股票等非线性系统建模.文中采集了股票交易的... 传统的股票预测基于统计学的方法,虽然在股票的趋势预测中有效,但是价格预测的准确度不够令人满意.因此,文中利用神经网络研究股票价格的预测问题.神经网络具有很强的非线性拟合能力,适用于股票等非线性系统建模.文中采集了股票交易的历史数据作为数据集,对数据使用了归一化和主成分分析方法进行预处理,降低了数据维度,有利于简化模型和降低计算复杂度.针对模型的构建,设计了一种深度稀疏修正神经网络模型(deep sparse rectifier neural net-works,DSRNN).DSRNN具有多层网络结构,基于带动量项的BP学习算法训练参数,利用了激活函数ReLU(rectified linear units)和提出的权值初始化方法.并将其与其他三种基于传统方法建立的模型进行了比较,结果表明DSRNN在健壮性、精确度方面都有更好的表现. 展开更多
关键词 深度神经网络 股票预测 主成分分析 激活函数 权值初始化
在线阅读 下载PDF
基于变异粒子群优化与深度神经网络的航空弹药消耗预测模型 预览
20
作者 田德红 何建敏 《南京理工大学学报:自然科学版》 CSCD 北大核心 2018年第6期716-721,726共7页
为了提高航空弹药的供应保障效率,将变异粒子群优化(MPSO)融入深度神经网络(DNN),研究航空弹药训练消耗预测问题。通过DNN确定网络各层的最优激活函数,基于MPSO参数寻优得到网络各层最优的权值和阈值,进而构建MPSO与DNN融合的航空弹药... 为了提高航空弹药的供应保障效率,将变异粒子群优化(MPSO)融入深度神经网络(DNN),研究航空弹药训练消耗预测问题。通过DNN确定网络各层的最优激活函数,基于MPSO参数寻优得到网络各层最优的权值和阈值,进而构建MPSO与DNN融合的航空弹药训练消耗预测模型。实验研究表明,该文组合预测模型在对5年数据的预测中均方误差为0.0009,与粒子群优化-深度神经网络(PSO-DNN)模型、DNN模型以及反向传播神经网络(BPNN)模型相比具有更好的预测性能。 展开更多
关键词 变异粒子群优化 深度神经网络 航空弹药 组合预测模型
在线阅读 下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部 意见反馈