基于PSO-SVR-LSTM水位预测模型研究

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...     

基于BERT-CRF与对抗训练的水利领域命名实体识别

在水利领域中,传统的命名实体识别方法存在有效性差、精度不高、无法解决一词多义和缺乏水利领域语料等问题。基于此,利用BERT语言模型对自建水利文本语料进行训练,并引入FreeLB对抗训练模型增强模型的泛化能力,最后通过条件随机场(CRF)来得到水利实体识别方法。实验结果表明,相对于其他模型,本文提出的FreeLB-BERT-CRF模型对水利领域文本实体识别效果更好。