期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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593篇文章
< 1 2 … 30 >
每页显示 20 50 100
已选0条
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：
Deep neural network algorithm for estimating maize biomass based on simulated Sentinel 2A vegetation indices and leaf area index 认领 引用 被引量：18
1
作者 Xiuliang Jin Zhenhai Li +2 位作者 Haikuan Feng Zhibin Ren Shaokun Li 《The Crop Journal》 SCIE CSCD 2020年第1期87-97,共11页
Accurate estimation of biomass is necessary for evaluating crop growth and predicting crop yield.Biomass is also a key trait in increasing grain yield by crop breeding.The aims of this study were(i)to identify the bes... Accurate estimation of biomass is necessary for evaluating crop growth and predicting crop yield.Biomass is also a key trait in increasing grain yield by crop breeding.The aims of this study were(i)to identify the best vegetation indices for estimating maize biomass,(ii)to investigate the relationship between biomass and leaf area index(LAI)at several growth stages,and(iii)to evaluate a biomass model using measured vegetation indices or simulated vegetation indices of Sentinel 2A and LAI using a deep neural network(DNN)algorithm.The results showed that biomass was associated with all vegetation indices.The three-band water index(TBWI)was the best vegetation index for estimating biomass and the corresponding R2,RMSE,and RRMSE were 0.76,2.84 t ha−1,and 38.22%respectively.LAI was highly correlated with biomass(R2=0.89,RMSE=2.27 t ha−1,and RRMSE=30.55%).Estimated biomass based on 15 hyperspectral vegetation indices was in a high agreement with measured biomass using the DNN algorithm(R2=0.83,RMSE=1.96 t ha−1,and RRMSE=26.43%).Biomass estimation accuracy was further increased when LAI was combined with the 15 vegetation indices(R2=0.91,RMSE=1.49 t ha−1,and RRMSE=20.05%).Relationships between the hyperspectral vegetation indices and biomass differed from relationships between simulated Sentinel 2A vegetation indices and biomass.Biomass estimation from the hyperspectral vegetation indices was more accurate than that from the simulated Sentinel 2A vegetation indices(R2=0.87,RMSE=1.84 t ha−1,and RRMSE=24.76%).The DNN algorithm was effective in improving the estimation accuracy of biomass.It provides a guideline for estimating biomass of maize using remote sensing technology and the DNN algorithm in this region. 展开更多
关键词 Biomass estimation Maize Vegetation indices Deep neural network algorithm LAI
暂未订购 下载PDF
Optimizing Deep Learning Parameters Using Genetic Algorithm for Object Recognition and Robot Grasping 认领 引用 被引量：2
2
作者 Delowar Hossain Genci Capi Mitsuru Jindai 《Journal of Electronic Science and Technology》 EI CAS CSCD 2018年第1期11-15,共5页
The performance of deep learning(DL)networks has been increased by elaborating the network structures. However, the DL netowrks have many parameters, which have a lot of influence on the performance of the network. We... The performance of deep learning(DL)networks has been increased by elaborating the network structures. However, the DL netowrks have many parameters, which have a lot of influence on the performance of the network. We propose a genetic algorithm(GA) based deep belief neural network(DBNN) method for robot object recognition and grasping purpose. This method optimizes the parameters of the DBNN method, such as the number of hidden units, the number of epochs, and the learning rates, which would reduce the error rate and the network training time of object recognition. After recognizing objects, the robot performs the pick-andplace operations. We build a database of six objects for experimental purpose. Experimental results demonstrate that our method outperforms on the optimized robot object recognition and grasping tasks. 展开更多
关键词 Deep learning(DL) deep belief neural network(DBNN) genetic algorithm(GA) object recognition robot grasping
暂未订购 下载PDF
基于改进DeepLabv3+卷积神经网络的废钢智能判定算法 认领 引用 被引量：1
3
作者 吉孟扬 施凯旋 +1 位作者 郭宇 杨博晟 《轧钢》 北大核心 2025年第5期150-158,共9页
废钢等级判定是实现钢铁合理循环利用的关键环节。针对现有废钢判定方法检测精度不足、效率较低等问题,本文提出了一种基于改进DeepLabv3+卷积神经网络的废钢智能判定算法,该算法在空洞空间金字塔池化(ASPP)层后增加混合注意力机制,并... 废钢等级判定是实现钢铁合理循环利用的关键环节。针对现有废钢判定方法检测精度不足、效率较低等问题,本文提出了一种基于改进DeepLabv3+卷积神经网络的废钢智能判定算法,该算法在空洞空间金字塔池化(ASPP)层后增加混合注意力机制,并使用深度条带空洞卷积代替ASPP层中部分空洞卷积;通过构建不同料型、不同视角、不同时间段等实际场景的废钢堆图像数据集,训练获得了废钢智能判定模型。改进型算法能有效提升网络的检测精度,在以ResNet作为主干网的对照组中,平均交并比mIoU提升约2.54%,在以Xception作为主干网的对照组中,mIoU提升约4.42%,有效提高了废钢语义分割精度;通过厚度和距离两因素建立转换模型,完成各类废钢在图片中占据的像素点占比到实际质量占比的转换,并使用全连接网络方式将算法得出的结果和工人实际结果进行拟合。本文使用大量数据对所提出的模型进行实验,实验结果表明:本文模型判定精度能够达到93.75%,明显优于现有方法,并且能够满足实际生产需要。 展开更多
关键词 废钢 深度学习 语义分割 DeepLabv3+卷积神经网络 智能算法
暂未订购 下载PDF
基于点云分割算法的战术导弹表面压力分布快速预测 认领 引用
4
作者 蔺佳哲 何磊 +2 位作者 程明 周岭 杨春明 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2026年第5期1587-1595,共9页
如何缩短飞行器的设计周期是我国航空航天领域亟待解决的难点问题,其中,气动设计是飞行器设计的关键环节,快速精确获取飞行器气动特性可有力加速概念设计方案的迭代改进。因此,基于中国空气动力研究与发展中心现有气动数据库,利用“1+N... 如何缩短飞行器的设计周期是我国航空航天领域亟待解决的难点问题,其中,气动设计是飞行器设计的关键环节,快速精确获取飞行器气动特性可有力加速概念设计方案的迭代改进。因此,基于中国空气动力研究与发展中心现有气动数据库,利用“1+N”模式的深度神经网络建模算法,构建来流参数、气动外形到表面压力分布数据的映射关系。为提升预测精度,结合压力分布数据原有的物面网格划分信息,改进点云分割PointNet++算法,准确识别导弹不同部件,自动增加不同部件的标签特征。测试案例表明,采用改进的点云分割算法和“1+N”模式的深度神经网络建模算法,战术导弹全弹表面压力分布预测平均相对误差(MRE)基本控制在10%以内。所提算法建模效率较高,适用于各类复杂外形飞行器的压力分布预测,具有较好的工程应用前景。 展开更多
关键词 战术导弹 压力分布预测 点云分割 深度神经网络 PointNet++算法
暂未订购 下载PDF
基于机器学习的页岩微观参数识别及其断裂离散元模拟 认领 引用
5
作者 刘建林 赵达 谷泽文 《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第3期187-196,共10页
在油气开采过程中对页岩参数进行准确识别是提升水力压裂与水平钻井定量分析精度的关键难题。针对页岩成分复杂、非均质性强的特点,基于CT扫描构建数字岩心,通过灰度处理提取结构体积占比并建立几何模型,引入基体与层理表征其非均质特征... 在油气开采过程中对页岩参数进行准确识别是提升水力压裂与水平钻井定量分析精度的关键难题。针对页岩成分复杂、非均质性强的特点,基于CT扫描构建数字岩心,通过灰度处理提取结构体积占比并建立几何模型,引入基体与层理表征其非均质特征;结合深度神经网络(DNN)与遗传算法(GA)建立非均质页岩微观与宏观参数之间的跨尺度双向关联模型,基于离散元开展页岩单轴压缩模拟,并定量分析其微观参数对宏观力学行为的影响。结果表明,所建立的跨尺度双向关联模型能够有效预测页岩的宏观力学参数并反演识别其微观参数,基于预测所得微观参数的页岩单轴压缩模拟可实现对页岩断裂行为的预测。 展开更多
关键词 非均质页岩 深度神经网络 遗传算法 离散元 裂缝预测
暂未订购 下载PDF
基于DNN-NSGA-Ⅱ的高填方加筋边坡参数优化研究 认领 引用 被引量：1
6
作者 查文华 谭雪剑 +3 位作者 许涛 徐源歆 赖斯祾 纪超 《水力发电》 CAS 2026年第1期45-51,共7页
以福建某典型高填方加筋边坡为研究对象,提出一种集成深度神经网络(DNN)与非支配排序遗传算法(NSGA-Ⅱ)的智能化优化设计方法,用于实现高填方加筋边坡支护设计的多目标协同优化。首先,通过有限元模拟生成样本数据,构建以关键设计参数为... 以福建某典型高填方加筋边坡为研究对象,提出一种集成深度神经网络(DNN)与非支配排序遗传算法(NSGA-Ⅱ)的智能化优化设计方法,用于实现高填方加筋边坡支护设计的多目标协同优化。首先,通过有限元模拟生成样本数据,构建以关键设计参数为输入、稳定性响应指标为输出的DNN代理模型;随后,将该代理模型嵌入NSGA-Ⅱ框架,实现以最小化水平位移、加筋材料用量与最大化安全系数为目标的多目标寻优。通过对Pareto前沿解集的分析与典型方案提取,验证所提方法在兼顾边坡安全性与经济性方面的有效性,可为高填方边坡优化设计提供理论支撑与工程参考。 展开更多
关键词 高填方边坡 加筋设计 多目标优化 深度神经网络 非支配排序遗传算法
暂未订购 下载PDF
基于深度学习加速的电力系统分层分布式多目标优化调度 认领 引用 被引量：1
7
作者 殷林飞 叶泳孜 张孝顺 《电力工程技术》 CSCD 北大核心 2026年第5期27-39,共13页
随着电力系统规模的不断扩大,现有分布式优化调度方法存在计算速度慢、优化效果差等缺陷。为解决这一问题,文中提出一种分层分布式加速优化方法。首先,考虑电力系统经济调度的目标函数与约束条件,构建分层分布式优化模型。然后,在多目... 随着电力系统规模的不断扩大,现有分布式优化调度方法存在计算速度慢、优化效果差等缺陷。为解决这一问题,文中提出一种分层分布式加速优化方法。首先,考虑电力系统经济调度的目标函数与约束条件,构建分层分布式优化模型。然后,在多目标优化算法的基础上引入自注意力机制深度神经网络(self-attention mechanism deep neural network,SADNN),并与分层分布式优化模型相结合,提出一种基于SADNN的分层分布式多目标螳螂加速搜索算法(hierarchical distributed multi-objective mantis accelerated search algorithm based on SADNN,SADNN-HDMOMASA),用于提高电力系统经济调度的效率,加速整个系统的计算过程。最后,基于仿真算例分析SADNN-HDMOMASA的有效性。结果表明:在IEEE 118系统中,相比于分层分布式优化方法,文中所提方法碳排放量降低1.13%,成本降低3.97%,总运行时间减少34.29 s;在IEEE 2208系统中,相比于分层分布式优化方法,文中所提方法碳排放量降低10.14%,成本降低1.13%,计算速度提高23%。由此可知,文中方法能够在提升计算速度的同时有效降低系统的发电成本与碳排放。 展开更多
关键词 分层分布式优化 多目标优化算法 深度神经网络(DNN) 运行时间 成本与碳排放 计算速度
暂未订购 下载PDF
葡萄叶片病害智能检测技术研究进展 认领 引用
8
作者 吴建军 赵惠圆 祝玉华 《江苏农业学报》 CSCD 北大核心 2026年第4期842-854,共13页
葡萄叶片病害严重威胁葡萄产业可持续发展,传统人工诊断存在主观性强、效率低、时效性差等问题,难以满足现代农业发展需求。葡萄叶片病害智能检测早期主要基于支持向量机、K近邻、随机森林等传统机器学习算法,识别准确率从60%逐步提升至... 葡萄叶片病害严重威胁葡萄产业可持续发展,传统人工诊断存在主观性强、效率低、时效性差等问题,难以满足现代农业发展需求。葡萄叶片病害智能检测早期主要基于支持向量机、K近邻、随机森林等传统机器学习算法,识别准确率从60%逐步提升至85%~90%。卷积神经网络通过Inception模块、残差连接、密集连接等架构创新,有效解决了多尺度特征提取难题,模型识别精度稳定在95%以上。YOLO算法历经从YOLOv1至YOLOv12的迭代演进,通过融合注意力机制、轻量化网络、特征金字塔等策略,将平均检测精度提升至90%~98%,同时将模型大小压缩至个位数MB量级,实现了精度与效率的协同优化。此外,本文分析了PlantVillage、AI Challenger 2018等公开数据集的不足,针对数据规范性和标注一致性问题提出改进建议。 展开更多
关键词 葡萄 病害 智能检测 深度学习 卷积神经网络 YOLO算法
暂未订购 下载PDF
基于改进深度模糊神经网络的短中期风电功率预测 认领 引用
9
作者 李蓝青 李言 《太阳能学报》 EI CAS CSCD 北大核心 2026年第7期197-204,共8页
提出一种基于深度模糊神经网络的短中期风电功率预测模型。首先,通过引入有效性函数构建自适应模糊C均值聚类算法,据此可明确模糊规则及规则数量,有效规避了传统模糊C均值聚类算法因人工设定聚类数量而对聚类成效产生的不良作用;然后,... 提出一种基于深度模糊神经网络的短中期风电功率预测模型。首先,通过引入有效性函数构建自适应模糊C均值聚类算法,据此可明确模糊规则及规则数量,有效规避了传统模糊C均值聚类算法因人工设定聚类数量而对聚类成效产生的不良作用;然后,利用量子遗传算法优化深度模糊神经网络后件层参数,该算法通过迭代初期控制自适应动态旋转角的数值范围,增加基因坍塌结果的多样性以及全局寻优能力;最后,将提出的模型应用到短中期风电功率预测中,以风速、风向、环境温度为输入,预测功率为输出,对构建的4种模型进行测试,结果表明所提模型无论在春季、夏季选取时间段内的短期风电功率预测还是在中期时间尺度内得到的预测结果都具有较高的精度,验证了方法的可行性。 展开更多
关键词 风电 功率预测 深度模糊神经网络 量子遗传算法 模糊聚类 深度学习
暂未订购 下载PDF
基于多目标优化和深度神经网络的智能负荷预测模型研究 认领 引用
10
作者 李冰洁 史静 +3 位作者 李泽森 葛毅 袁晓昀 胡晓燕 《电气自动化》 2026年第1期72-75,共4页
针对传统负荷预测模型存在负荷准确性较低以及快速性不高等问题,提出了一种基于多目标优化算法和深度神经网络算法相结合的智能负荷预测模型。利用深度神经网络的非线性拟合能力对负荷预测的基础模型进行构建,并采用多层神经元结构对负... 针对传统负荷预测模型存在负荷准确性较低以及快速性不高等问题,提出了一种基于多目标优化算法和深度神经网络算法相结合的智能负荷预测模型。利用深度神经网络的非线性拟合能力对负荷预测的基础模型进行构建,并采用多层神经元结构对负荷数据特征进行自动提取,引入多目标优化算法对负荷预测过程中的目标数据进行优化,在训练过程中对神经网络中的结构和参数进行动态自适应调整,有效避免了过拟合和欠拟合问题。与其他算法进行试验对比,结果表明,所提模型的负荷预测准确率远超其余算法,为电力系统的调度、规划和运行提供了有力支持。 展开更多
关键词 多目标优化算法 深度神经网络 负荷预测 准确性 快速性
暂未订购 下载PDF
基于深度强化学习的大型高铁站到发线运用方案快速编制方法 认领 引用
11
作者 王岩 周黎 +3 位作者 范家铭 徐辉章 张新 李博 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2026年第7期3099-3109,共11页
大型高铁站是高铁网络中的关键枢纽节点,其到发线运用方案的合理安排是车站运输组织工作的核心。为实现大型高铁站到发线运用方案的快速编制,将人工智能领域的深度强化学习方法应用于到发线运用问题中。首先,基于列车过站径路的概念来... 大型高铁站是高铁网络中的关键枢纽节点,其到发线运用方案的合理安排是车站运输组织工作的核心。为实现大型高铁站到发线运用方案的快速编制,将人工智能领域的深度强化学习方法应用于到发线运用问题中。首先,基于列车过站径路的概念来实现到发线分配与进路排列的协同优化,将到发线运用问题描述为最大独立集问题,以尽可能安排所有列车为目标,形成整数规划模型。然后,构建基于冲突图的强化学习环境模型,将到发线运用方案数学模型转化为马尔可夫决策过程,定义状态表征、动作空间、状态转移和奖励函数,为智能体提供训练数据的交互采集场所。最后,设计基于GCN(graph convolutional network)的到发线运用智能体神经网络架构,基于PPO(proximal policy optimization)算法实现智能体高效预训练,在决策阶段,设计基于2Imp的决策提升算法进一步优化方案编制质量。以北京南高速场和广州南站为案例场景,对比3种不同方法的求解时间与最终目标函数取值。结果表明,经过4.2 h预训练后智能体完成收敛,决策阶段智能算法可以快速求得最优解,相比于运筹学经典算法,求解质量相同的情况下智能算法求解速度可提升5~16倍,1.2 s即可完成广州南站1133列列车的到发线运用方案编制。此外,该方法具有良好的扩展性和泛化能力,智能体经过一次训练后即可泛化至不同车站、不同规模的场景中进行决策与求解。研究结果可为进一步提升列车运行图整体编制效率提供技术支撑,为铁路运输组织的智能化发展提供方法参考。 展开更多
关键词 大型高铁站 到发线运用 深度强化学习 智能体 PPO算法 神经网络
暂未订购 下载PDF
基于改进深度强化学习理论的台区微电网电压控制策略 认领 引用
12
作者 张凌浩 陆晓星 +3 位作者 肖小龙 岳付昌 吴凡 李光熹 《电气传动》 2026年第5期52-60,共9页
分布式能源因其小规模且伴有波动性和间歇性的固有特性,给台区微电网的运行策略设计带来了显著挑战。尽管微电网系统成功地融合了多样化的分布式能源与外部电网,但其电压管理层面却日益复杂。鉴于此,提出了一种基于深度强化学习理论的... 分布式能源因其小规模且伴有波动性和间歇性的固有特性,给台区微电网的运行策略设计带来了显著挑战。尽管微电网系统成功地融合了多样化的分布式能源与外部电网,但其电压管理层面却日益复杂。鉴于此,提出了一种基于深度强化学习理论的台区微电网实时电压控制策略。首先,采用循环神经网络(RNN)模型,精准识别并处理系统内源荷功率数据中的损坏与缺失部分,确保数据质量。随后,综合考量了电能传输过程中的线路损耗以及电压越限的潜在风险,构建了台区微电网的电压管理模型。鉴于该模型内含复杂的非线性约束条件,采用了改进深度强化学习算法进行高效求解,通过ε-贪婪递减策略来指导智能体的动作选择,以克服传统方法的局限性。最后,为了验证所提策略的有效性和可行性,将本策略与传统控制策略进行对比测试,结果显示,提出电压控制策略在减小电压波动、降低网损等多个关键指标上均展现出显著优势。 展开更多
关键词 分布式能源 微电网 电压控制 循环神经网络 改进深度强化学习算法
暂未订购 下载PDF
融合负载模式识别与深度学习的电力负载预测方法 认领 引用
13
作者 辛保江 赵晓丽 《微型电脑应用》 2026年第2期145-148,共4页
针对电力负载预测容易受特征选择影响的问题,提出一种融合负载模式识别和深度学习的新颖框架,即基于密度的空间聚类应用带噪声—卷积神经网络—双向长短期记忆网络(DBSCAN-CNN-BiLSTM)。利用统计学习理论和DBSCAN聚类算法识别负载数据... 针对电力负载预测容易受特征选择影响的问题,提出一种融合负载模式识别和深度学习的新颖框架,即基于密度的空间聚类应用带噪声—卷积神经网络—双向长短期记忆网络(DBSCAN-CNN-BiLSTM)。利用统计学习理论和DBSCAN聚类算法识别负载数据中的模式信息。建立CNN-BiLSTM进行时间序列建模和预测。将识别得到的负载模式特征与CNN-BiLSTM的输出结果进行融合,以提高预测性能。实验结果表明,相比CNN-BiLSTM,所提出的DBSCAN-CNN-BiLSTM可以显著提升预测精度。 展开更多
关键词 电力负载 模式识别 聚类算法 深度学习 神经网络
暂未订购 下载PDF
基于深度卷积神经网络的变电站局部放电缺陷诊断方法 认领 引用
14
作者 陈咏秋 丁中奎 +2 位作者 陈亮 高铭 刘洋 《电子设计工程》 2026年第5期153-157,共5页
现行的变电站局部放电缺陷诊断方法存在时效性与准确性方面存在不足,难以达到预期的诊断效果,为此,提出基于深度卷积神经网络的变电站局部放电缺陷诊断方法。通过对变电站混频信号进行处理,提取变电站有效运行信号,利用格拉米角场(Grami... 现行的变电站局部放电缺陷诊断方法存在时效性与准确性方面存在不足,难以达到预期的诊断效果,为此,提出基于深度卷积神经网络的变电站局部放电缺陷诊断方法。通过对变电站混频信号进行处理,提取变电站有效运行信号,利用格拉米角场(Gramian Angular Field,GAF)算法将处理后的时间序列信号转换为二维图像,输入深度卷积神经网络,提取局部放电缺陷特征并进行分类,识别诊断局部放电缺陷类别,实现基于深度卷积神经网络的变电站局部放电缺陷诊断。经实验证明,所提方法诊断时延不超过11 ns,诊断结果均在95%置信区间内,可以实现对局部放电缺陷的有效诊断。 展开更多
关键词 深度卷积神经网络 变电站 局部放电 GAF算法
暂未订购 下载PDF
基于GA-BPNN的复杂深拉延件工艺参数优化 认领 引用
15
作者 王淑芳 李陶胜 +2 位作者 余成龙 王影 赵丙文 《成都工业学院学报》 2026年第4期24-29,共6页
针对复杂深拉延件成形过程中的质量问题,综合应用有限元仿真、实冲验证及正交设计的BP神经网络(BPNN)与遗传算法(GA)优化,确定关键影响因素并优化了油底壳冲压工艺参数,通过实冲试验验证优化效果。结果显示,油底壳法兰面的成形主要受到... 针对复杂深拉延件成形过程中的质量问题,综合应用有限元仿真、实冲验证及正交设计的BP神经网络(BPNN)与遗传算法(GA)优化,确定关键影响因素并优化了油底壳冲压工艺参数,通过实冲试验验证优化效果。结果显示,油底壳法兰面的成形主要受到摩擦系数f的影响,其次是压边力Q和板料厚度h。在h=0.9 mm、f=0.17、Q=80 kN的工艺参数下,取得良好的成形结果,此时最大减薄率Tmax=26.7%,为正交试验中的最小值,而最小减薄率Tmin=-26.3%,处于中间值。BP神经网络建模结合遗传算法寻优,确定最优工艺参数组:h=0.88 mm、f=0.65、Q=79.54 kN。在此条件下,成形结果良好,Tmax=25.9%,该结果优于正交表中样本最优值26.7%,而Tmin=-26.1%,该值较佳,且实冲试验的产品质量良好。 展开更多
关键词 复杂深拉延件 有限元仿真 BP神经网络 遗传算法 冲压工艺参数
暂未订购 下载PDF
深层致密油藏前置CO2蓄能压裂参数智能优化 认领 引用
16
作者 杜殿发 计洪滨 汤宇杰 《油气藏评价与开发》 CSCD 北大核心 2026年第5期1122-1128,共7页
东营凹陷深层致密油藏(埋深3700~4300 m)因其高地温(152℃)、高地层压力及强应力屏蔽效应,开发面临裂缝半长短(小于80 m)、产量递减快(3个月产量递减率超过40%)、地质-工程参数匹配不佳导致的产能差异大等典型深层挑战。本文提出了一种... 东营凹陷深层致密油藏(埋深3700~4300 m)因其高地温(152℃)、高地层压力及强应力屏蔽效应,开发面临裂缝半长短(小于80 m)、产量递减快(3个月产量递减率超过40%)、地质-工程参数匹配不佳导致的产能差异大等典型深层挑战。本文提出了一种改进的“前置超临界CO2注入与渗吸液精准激活”蓄能压裂工艺,旨在针对性解决深层能量补充难、裂缝扩展受限与基质原油动用效率低等核心难题。该工艺通过超临界CO2(温度为35℃,压力为15 MPa,密度为0.8 g/cm3)的相态调控,利用其高扩散性(0.12 cm2/s)与相变膨胀潜能前置蓄能造缝;并配合优化的阴离子型石油磺酸盐渗吸液体系(界面张力降至0.15 mN/m,接触角优化至65°),有效降低毛细管阻力、改善储层润湿性,实现基质原油的精准激活。为解决多参数优化难题,研究基于正交试验设计L64(45)构建了包含960组方案的数值模拟样本库,涵盖了6项关键地质参数与5项待优化工程参数。进而,建立了反向传播(BP)神经网络与遗传算法的耦合优化模型,以累积产油量为目标函数,对CO2注入量、渗吸液注入量、渗吸液注入速度、焖井时间和日产液量进行全局寻优。模型验证表明:BP神经网络预测相对误差不超过2.5%(新井隐层13节点,均方误差为0.0037;老井隐层8节点,均方误差为0.0043),遗传算法在75代内收敛(参数交叉概率Pc=0.4,变异概率Pm=0.2),证明了模型兼具高精度与高效性。现场应用效果显著:改进工艺使裂缝半长从78 m增至161 m,增幅达106.4%;典型井Y22的90 d产量递减率降低了13.3%;经参数优化后,新井与老井的产能分别提升了16.8%和11.2%。研究形成了一套集数值模拟、参数学习和动态优化于一体的优化决策流程,有效克服了箱状储层裂缝纵向扩展难题,为非常规油气藏的高效开发提供了可借鉴的优化范式。 展开更多
关键词 蓄能压裂 深层致密油藏 超临界CO2 BP神经网络 遗传算法 参数优化
暂未订购 下载PDF
深度学习下多视图激光聚类图像特征散度分割 认领 引用
17
作者 任亚丹 黄燕 张燕 《激光杂志》 CAS 北大核心 2026年第1期180-185,共6页
为提高多视图激光图像分割准确性,提出深度学习下多视图激光聚类图像特征散度分割方法。利用深度学习以及下采样函数挖掘多视图激光图像各像素点特征,捕捉图像中的关键信息,提高特征散度分割的准确性,选用模糊C均值算法建立图像聚类特... 为提高多视图激光图像分割准确性,提出深度学习下多视图激光聚类图像特征散度分割方法。利用深度学习以及下采样函数挖掘多视图激光图像各像素点特征,捕捉图像中的关键信息,提高特征散度分割的准确性,选用模糊C均值算法建立图像聚类特征散度分割数学模型,通过拉格朗日数函数确定图像聚类特征散度分割目标函数方程,采用特征散度度量任意两个像素点间特征差异性,依据Xie-Beni指数确定模型初始聚类中心点数量,模型经过迭代运算将特征相似分割成一类,完成图像分割任务。实验结果表明,所提方法图像分割区域与实际一致,且分割的IoU值大。 展开更多
关键词 深度学习 卷积神经网络 多视图激光图像 模糊C均值算法 特征散度 Xie-Beni指数
暂未订购 下载PDF
基于机器学习的HTPB推进剂配方燃速预测与智能设计 认领 引用
18
作者 陈少臣 徐鹏程 +5 位作者 赵向阳 葛志强 高素琪 彭君晟 王晓晨 马煜 《固体火箭技术》 CAS CSCD 北大核心 2026年第1期91-101,共11页
采用机器学习(ML)方法结合智能优化算法,开展了端羟基聚丁二烯(HTPB)推进剂配方的燃速性能预测与智能设计,以提升HTPB推进剂配方的设计效率。首先,使用140个HTPB推进剂配方样本训练和评估深度神经网络(DNN)模型以预测燃速,并与随机森林... 采用机器学习(ML)方法结合智能优化算法,开展了端羟基聚丁二烯(HTPB)推进剂配方的燃速性能预测与智能设计,以提升HTPB推进剂配方的设计效率。首先,使用140个HTPB推进剂配方样本训练和评估深度神经网络(DNN)模型以预测燃速,并与随机森林回归(RFR)、梯度提升回归(GBR)和高斯过程回归(GPR)模型进行对比。随后,使用置换特征重要度和沙普利加性解释方法计算DNN模型的特征变量重要度,获取能够对燃速产生重要影响的输入特征变量。最后,在不同工作温度(T:20.0~33.8℃)和工作压强(P:4~17 MPa)下设定多个燃速目标,使用黏菌算法(SMA)优化DNN模型,获得燃速满足要求时的配方组成数据,从而完成配方优化设计工作。结果表明,DNN模型在训练集、测试集上的决定系数均超过了0.99,预测精确度良好且优于RFR、GBR和GPR模型;特征变量重要度分析显示,提升Al含量可增大燃速,而提升HTPB含量则会降低燃速;通过SMA算法优化DNN模型,在不同T、P下成功获取了燃速满足不同要求(最大值、目标值)的配方组成数据,验证了ML模型结合智能优化算法设计配方的可行性。 展开更多
关键词 HTPB推进剂 燃速 深度神经网络 黏菌算法 配方优化
暂未订购 下载PDF
基于深度神经网络自学习算法的电能表误差预测 认领 引用 被引量：1
19
作者 王禹霖 张海宁 詹俊男 《仪表技术》 2026年第3期63-66,共4页
针对现有方法在电能表误差预测中准确性不足、预测误差较大的问题,提出一种基于深度神经网络自学习算法的预测方法。该方法通过在控制柜内部署数据采集终端,获取电能表的历史测量数据,并计算平均绝对误差、均方根误差和均方根相对误差这... 针对现有方法在电能表误差预测中准确性不足、预测误差较大的问题,提出一种基于深度神经网络自学习算法的预测方法。该方法通过在控制柜内部署数据采集终端,获取电能表的历史测量数据,并计算平均绝对误差、均方根误差和均方根相对误差这3个关键误差参数。利用这些参数历史序列,构建并训练深度神经网络自学习预测模型。该模型结合萤火虫优化算法动态调整网络权值与阈值,以最小化预测误差。实验结果表明,所提方法的预测误差控制在±1 kW·h以内,相较于对比方法具有更高的预测精度,能够实现对电能表误差的有效、精准预测。 展开更多
关键词 深度神经网络 自学习算法 电能表 误差预测 萤火虫优化算法
暂未订购 下载PDF
深度学习心音信号分类研究进展 认领 引用
20
作者 邓漆时超 吴佳成 +4 位作者 俞键 张华 李川涛 林冬梅 陈扶明 《中国医学物理学杂志》 CSCD 2026年第7期946-957,共12页
心音是反映心脏健康状况的重要生理信号,心音分类可辅助心脏疾病的早期诊断。相比依赖人工特征提取的传统方法,深度学习能够自动学习心音特征,在分类精度和鲁棒性方面具有明显优势。本文通过系统检索国内外相关文献,围绕深度学习在心音... 心音是反映心脏健康状况的重要生理信号,心音分类可辅助心脏疾病的早期诊断。相比依赖人工特征提取的传统方法,深度学习能够自动学习心音特征,在分类精度和鲁棒性方面具有明显优势。本文通过系统检索国内外相关文献,围绕深度学习在心音分类领域的研究展开综述。首先对心音信号的特点、常用数据集及预处理方法进行梳理,其次归纳卷积神经网络、循环神经网络、Transformer及多模型融合等深度学习方法在心音分类任务中的应用现状,并进一步从模型结构、分类性能和临床适用性等方面进行比较与分析。最后,讨论深度学习在心音分类任务中的应用前景,以期促进深度学习方法在心音信号分类中的应用。 展开更多
关键词 心音信号 深度学习 分类算法 神经网络 综述
暂未订购 下载PDF
已选0条
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 2 … 30 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈