排序方式: 共有9条查询结果,搜索用时 218 毫秒
1
1.
为了进一步提高水位预测的准确性,本文提出一种融入改进注意力机制的长短期记忆网络(Long Short Time Memory,LSTM)预测模型。该模型将输入序列拆分为时间序列和特征序列,在LSTM网络模型前引入注意力机制对两个序列分别进行注意力计算,然后再进行融合,LSTM网络能够根据重要程度自适应地选择最重要的输入特征,注意力机制层的参数通过竞争随机搜索算法获取,从而进一步增强了模型的鲁棒性。最后在鄱阳湖的水位数据上进行预测实验,结果表明:相对于支持向量回归(SVR)、LSTM等模型,本文提出基于改进注意力机制的LSTM模型具有更好的预测精度,可为水位预测和水资源的精准调度提供技术支持。 相似文献
2.
3.
在无线传感网络技术应用于水环境的自主监测过程中,无线传感网络限制的传输距离成为制约其发展的主要问题之一。针对当前水环境监测及无线传感网络远距离传输存在的问题,提出了基于改进的高斯骨架差分进化的波束合成远距离传输优化方法。首先根据远距离传输要求建立优化模型,该模型不仅考虑接收节点方向协作波束的主瓣增益,还考虑了旁瓣对其他非接收方向的干扰问题;然后提出了改进高斯骨架差分优化方法,该方法在交叉过程中增加对旁瓣幅值的判断,加速了节点功率优化的收敛速度。实验对比和验证分析结果表明,该方法在不同主瓣增益要求条件下最小旁瓣增益性能比典型优化算法提升了6.8%~10.2%,比随机优化方法提升了31.8%~35.4%,不仅能够满足实际要求,而且能够有效减少对其他非接收方向的干扰,为实现水环境监测远距离传输提供了有效的理论和技术支撑。 相似文献
4.
5.
河流的水位变化受到众多复杂因素的影响,水位数据不仅显现非线性特点还具有时序性和复杂性等特点.水位预测的精度提高对河道管理、水利建设、水资源调度、防洪减灾和航运安全等方面具有重大意义.本文利用长短时记忆神经网络(LSTM)在处理长时间序列问题上的优势和支持向量回归机(SVR)能够很好地处理非线性数据的优势以及粒子群优化算法(PSO)自适应全局搜索的优势,提出了将PSO-SVR-LSTM组合模型应用于南昌市潦水万家埠段的水位预测中.仿真实验结果表明:相对于LSTM模型、SVR模型和BP等模型,本文提出的PSO-SVR-LSTM模型的预测精确度更高. 相似文献
6.
7.
采用89C51单片机,配合先进的数据采集芯片,适时采集16个点的位移量,计算出各项振动参数送显示,并将过程曲线打印出来,还能上传给PC机,进行资料存储和分析. 相似文献
8.
介绍一种用51系列单片机开发的简易远程控制系统,结合现有的电话网络,实现对边远地区水文测量的远程控制。 相似文献
9.
1