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747篇文章
< 1 2 … 38 >
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：
基于地质信息的改进GCN高光谱富锂铍伟晶岩信息提取方法 认领 引用 被引量：1
1
作者 陈志行 王正海 +1 位作者 卜浩坚 田雨欣 《地球科学》 EI CAS CSCD 北大核心 2026年第3期1057-1064,共8页
近年来,随着高光谱卫星影像的发展,以及机器学习领域的技术突破,高光谱影像已在成矿预测领域取得众多成功应用.然而,传统的机器学习方法较多仅应用在高光谱数据上,往往忽视了地质成矿的复杂性,没有注意到地质领域信息对成矿的重要性.针... 近年来,随着高光谱卫星影像的发展,以及机器学习领域的技术突破,高光谱影像已在成矿预测领域取得众多成功应用.然而,传统的机器学习方法较多仅应用在高光谱数据上,往往忽视了地质成矿的复杂性,没有注意到地质领域信息对成矿的重要性.针对传统高光谱找矿中地质信息缺失的问题,本文将传统的高光谱数据与岩体、断层位置这类地质信息相结合,创建高光谱-地质信息39通道综合数据集,同时对GCN(图卷积神经网络)模型进行改进,在网络中加入残差连接模块,同时对残差连接模块和卷积层进行批量化归一操作,加强训练效果.使用资源一号02D卫星(ZY-1 02D)高光谱数据对大红柳滩地区进行实验.结果表明,改进后的GCN模型对研究区内含矿花岗伟晶岩具有较高的识别精度.相比原始GCN网络、卷积神经网络模型和支持向量机模型,准确率分别提高了7、22和27个百分点,实现了高光谱遥感影像中锂铍矿化花岗伟晶岩的高精度自动化预测. 展开更多
关键词 高光谱 资源一号 GCN 伟晶岩 锂铍矿 遥感 矿床学
暂未订购 下载PDF
基于BiLSTM-GCN的新能源场站暂态无功分布式协同优化方法 认领 引用 被引量：1
2
作者 卢国强 王恺 +1 位作者 安娜 王照雷 《太阳能学报》 EI CAS CSCD 北大核心 2026年第2期266-278,共13页
针对光伏、储能等直流新能源发电资源接入电网的比例不断提高下新能源场站面临无功支撑能力不足的问题,提出一种基于图卷积网络(GCN)和双向长短期记忆网络(BiLSTM)的新能源场站暂态无功分布式协同优化方法。首先,通过构建多无功资源接... 针对光伏、储能等直流新能源发电资源接入电网的比例不断提高下新能源场站面临无功支撑能力不足的问题,提出一种基于图卷积网络(GCN)和双向长短期记忆网络(BiLSTM)的新能源场站暂态无功分布式协同优化方法。首先,通过构建多无功资源接入的新能源场站系统等值模型,研究多无功资源接入下的新能源场站暂态无功特性,建立新能源场站暂态无功模型;然后,以新能源场站无功资源运行成本为优化目标,建立新能源场站暂态无功协同优化模型,并结合BiLSTM-GCN对优化模型进行求解;最后,搭建新能源场站近区仿真系统模型,仿真验证所提新能源场站暂态无功协同优化方法的有效性。 展开更多
关键词 新能源场站 无功资源 暂态分析 协同优化 BiLSTM-GCN
暂未订购 下载PDF
基于动态门控数据融合的GCN-Transformer配电网故障区段定位方法 认领 引用
3
作者 杨楠 候少波 +5 位作者 邢超 王灿 关钦月 叶学程 李斯吾 黄悦华 《电力系统保护与控制》 EI CSCD 北大核心 2026年第10期127-138,共12页
在智能电网快速发展背景下,如何有效利用不同测量设备获取的多源数据,以满足不同故障场景下的配电网故障定位需求,对提升含分布式电源配电网的供电可靠性和运行安全性具有重要意义。鉴于此,提出一种基于动态门控数据融合的图卷积神经网... 在智能电网快速发展背景下,如何有效利用不同测量设备获取的多源数据,以满足不同故障场景下的配电网故障定位需求,对提升含分布式电源配电网的供电可靠性和运行安全性具有重要意义。鉴于此,提出一种基于动态门控数据融合的图卷积神经网络(graph convolution network,GCN)与Transformer相结合的配电网故障区段定位方法。首先,通过基于掩码感知的动态门控数据融合方法实现同步相量数据与同步波形数据的融合。然后,构建GCN-Transformer模型完成故障特征提取与融合,并引入焦点监督对比混合损失函数优化模型。最后,通过全连接分类层实现故障区段定位。仿真结果表明,所提方法在不同故障场景及样本不平衡条件下均表现出良好的故障定位性能。 展开更多
关键词 同步相量数据 同步波形数据 数据融合 GCN-Transformer 故障区段定位
暂未订购 下载PDF
双碳背景下GCN和DRL的含高比例可再生能源消纳约束的主动配电网经济调度策略 认领 引用
4
作者 雍少华 马耀东 +2 位作者 蒋斌文 陈雨 秦英 《电测与仪表》 CSCD 北大核心 2026年第8期36-43,共8页
为实现双碳目标,提高主动配电网(active distribution network,ADN)中可再生资源的消纳率,增强配电系统调度的经济性,提出一种融合图卷积网络(graph convolutional network,GCN)和深度确定性策略梯度(deep deterministic policy gradien... 为实现双碳目标,提高主动配电网(active distribution network,ADN)中可再生资源的消纳率,增强配电系统调度的经济性,提出一种融合图卷积网络(graph convolutional network,GCN)和深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法的GCN-DDPG策略。所提策略以ADN日运行成本最小为目标,构建光伏、负荷、能量存储系统的经济调度模型。将ADN调度问题建模为深度强化学习(deep reinforcement learning,DRL)中的马尔可夫决策过程(Markov decision process,MDP),并在此基础上依次定义系统的状态空间、动作空间以及奖励函数。在DRL中应用DDPG算法,并将GCN融合其中,提高智能体对配电网图数据的表征能力。在改进的IEEE 33仿真系统中,验证了该模型的有效性和鲁棒性。对比同类算法DDPG,调度成本下降29%,对比不同拓扑结构,DDPG的调度成本分别提高27%、45%和51%。 展开更多
关键词 主动配电网 经济调度 深度强化学习 GCN DDPG
暂未订购 下载PDF
基于GCN-UNet网络的山地稀疏农业大棚提取研究 认领 引用
5
作者 宋善海 石悦 +2 位作者 李慧璇 刘芸 古书鸿 《热带农业科学》 2026年第5期133-142,共10页
喀斯特山地农业大棚异质性强、分布稀疏零散,导致其分割提取难度较大。以贵州省安顺市平坝区为研究区,利用GF-2号高分辨率遥感影像数据,提出融合图卷积网络与U-Net架构的GCN-UNet深度学习模型,实现县域尺度的农业大棚的自动化高精度提取... 喀斯特山地农业大棚异质性强、分布稀疏零散,导致其分割提取难度较大。以贵州省安顺市平坝区为研究区,利用GF-2号高分辨率遥感影像数据,提出融合图卷积网络与U-Net架构的GCN-UNet深度学习模型,实现县域尺度的农业大棚的自动化高精度提取,并对比分析不同深度学习模型提取农业大棚的效果。结果表明:(1)GCN-UNet模型在平坝区实现0.9477的精确率,显著优于UNet(0.9081)与DeeplabV3+(0.8884)。(2)在复杂背景、高密度、材质异质、覆膜破损等场景中,GCN-UNET保持最优边界吻合度与完整性,UNet、DeeplabV3+均存在不同程度的分裂、黏附现象。(3)GCN-UNet对边界定位与面积估算具有强鲁棒性,面积提取误差稳定在0.12%~0.74%,显著低于UNet(0.07%~8.46%)与DeeplabV3+(6.82%~35.28%)。研究证实,GCN-UNet模型能有效提取喀斯特山地复杂场景下的农业大棚设施,可为山区精准农业规划与耕地资源监测提供科学的方法支撑。 展开更多
关键词 GCN-UNet网络 农业大棚 GF-2 喀斯特山地
暂未订购 下载PDF
一步法制备Ag2O/Cl-GCN聚氨酯泡沫及其光敏抗菌活性 认领 引用
6
作者 陈黄琴 张洋林 +3 位作者 周士忠 刘坤 唐冬旭 李月生 《湖北科技学院学报》 2026年第2期106-114,共9页
为开发具备优异光敏抗菌功能的新型聚氨酯泡沫材料,本研究通过在聚氨酯(PU)合成过程中引入不同浓度(1 wt%、2 wt%、5 wt%)氧化银/氯掺杂石墨相氮化碳(Ag2O/Cl-GCN)填料,一步法制备Ag2O/Cl-GCN改性聚氨酯泡沫(APU),并同时赋予其高... 为开发具备优异光敏抗菌功能的新型聚氨酯泡沫材料,本研究通过在聚氨酯(PU)合成过程中引入不同浓度(1 wt%、2 wt%、5 wt%)氧化银/氯掺杂石墨相氮化碳(Ag2O/Cl-GCN)填料,一步法制备Ag2O/Cl-GCN改性聚氨酯泡沫(APU),并同时赋予其高效可见光抗菌能力。系统考察了填料浓度对APU泡沫材料热性能、抗菌性能(光照/黑暗条件)及细胞毒性的影响。采用热重分析、傅立叶变换红外光谱、X射线衍射、扫描电子显微镜、平板计数法、MTT及细胞活死染色等种表征技术进行分析。结果表明:相较于空白PU,所有APU泡沫均展现出显著的抗菌性能,抗菌率与Ag2O/Cl-GCN填料浓度正相关,且光照下抗菌效果远优于黑暗条件。然而,填料添加量增加导致材料细胞毒性相应上升。综合权衡抗菌效能与生物安全性,2 wt%添加量的APU展现出最优综合性能。Ag2O/Cl-GCN复合硬质聚氨酯泡沫材料具有优异的光敏抗菌性能和良好的生物相容性,有望成为各种医疗用品、汽车内饰等领域的理想材料。 展开更多
关键词 聚氨酯泡沫 光敏抗菌 抗菌性能 Ag2O/Cl-GCN
暂未订购 下载PDF
基于GCN-AGRU的短时交通流预测 认领 引用
7
作者 王庆国 赵磊 《电子科技》 2026年第8期62-68,共7页
针对现有短时交通流预测方法未考虑交通流频域特征的问题,文中构建了一种新型GCN-AGRU(Graph Convolutional Neural Network-Attention Gated Recurrent Unit)短时交通流预测模型。将基于自适应图结构的图卷积神经网络(Graph Convolutio... 针对现有短时交通流预测方法未考虑交通流频域特征的问题,文中构建了一种新型GCN-AGRU(Graph Convolutional Neural Network-Attention Gated Recurrent Unit)短时交通流预测模型。将基于自适应图结构的图卷积神经网络(Graph Convolutional Neural Network,GCN)与门控循环单元(Gated Recurrent Unit,GRU)相结合,通过使用频域通道注意力(Frequency Channel Attention,FCA)对GRU的隐藏状态进行频域分析,从而能够更准确地捕捉交通流中的周期性特征。基于武汉市路网数据集和PeMS04数据集进行实验,并对比分析了其他模型的预测结果。相较于最优基线模型,所提模型的MAE(Mean Absolute Error)、RMSE(Root Mean Square Error)和MAPE(Mean Absolute Percentage Error)分别降低了9.84百分点、1.87百分点和4.88百分点,显著提升了短时交通流预测的准确性和稳定性。 展开更多
关键词 交通流预测 GCN GRU 频域分析 周期性 自适应图 空间信息 注意力机制
暂未订购 下载PDF
基于改进GCN-Transformer的电力系统脆弱性节点辨识 认领 引用
8
作者 刘伟 梁悦帅 《电力系统保护与控制》 EI CSCD 北大核心 2026年第6期58-70,共13页
随着电力系统规模不断扩大和新能源接入比例增加,电网结构日趋复杂。局部节点故障易引发电网连锁失效,对系统安全构成严重威胁。因此,预先识别电网中的脆弱性节点并加以保护对保障电网的安全运行至关重要。为实现脆弱性节点的高效辨识,... 随着电力系统规模不断扩大和新能源接入比例增加,电网结构日趋复杂。局部节点故障易引发电网连锁失效,对系统安全构成严重威胁。因此,预先识别电网中的脆弱性节点并加以保护对保障电网的安全运行至关重要。为实现脆弱性节点的高效辨识,提出一种改进融合图卷积网络与Transformer架构(graph convolutional networkTransformer,GCN-Transformer)的脆弱性节点辨识方法。首先,结合复杂网络理论和改进信息熵-K壳算法构建节点脆弱性评价指标集。其次,引入基于Chebyshev多项式的Kolmogorov-Arnold网络(Chebyshev Kolmogorov-Arnold network,Cheb-KAN)作为图卷积网络(graph convolutional networks,GCN)的前置支路特征提取模块,优化GCN的节点特征提取在不同支路间的传播效果。同时,将改进GCN提取的特征输入至融合了多模态交叉注意力机制(multimodal cross-attention mechanism,MCA)的Transformer中,用以捕获不同模态特征间的全局关联关系,构建面向脆弱节点辨识的深度学习模型。然后,基于IEEE39节点构建多种工况运行场景,建立模型训练的原始数据集。最后,在原始数据集上对所提模型进行训练与评估。结果表明,该方法在脆弱节点辨识准确率方面显著优于传统图网络模型,具备良好的可行性及其在电网实际场景中的工程应用潜力。 展开更多
关键词 脆弱性节点 脆弱性评价指标 改进GCN-Transformer Cheb-KAN 多模态交叉注意力 节点辨识
暂未订购 下载PDF
基于ResNet-LSTM目标检测结合ST-GCN动作识别方法研究 认领 引用
9
作者 张娜 车小建 +1 位作者 杨梦娜 王园园 《自动化与仪表》 2026年第5期85-89,共5页
随着全球体育产业的快速发展,体育动作分析的精准度成为提升训练效果和比赛表现的关键。动作识别面临复杂背景下的鲁棒性不足和实时性要求等技术挑战,限制了其广泛应用。该文提出了一种基于ResNet-LSTM目标检测网络模型结合ST-GCN的动... 随着全球体育产业的快速发展,体育动作分析的精准度成为提升训练效果和比赛表现的关键。动作识别面临复杂背景下的鲁棒性不足和实时性要求等技术挑战,限制了其广泛应用。该文提出了一种基于ResNet-LSTM目标检测网络模型结合ST-GCN的动作识别方法。模型以预训练ResNet50提取空间特征,LSTM建模时序动态,再通过骨骼关键点检测人体骨骼关键点的位置信息,最后将骨骼数据构造成骨架时空图实现动作识别。实验结果表明,在UCF Sports Actions Dataset 13个类别共17160帧图像的数据集上取得了95%以上的准确率,该方法在智能家居、体育训练、赛事分析等场景中具备高效实用的应用价值。 展开更多
关键词 动作识别 残差网络 长短期记忆网络 ST-GCN 精确率
暂未订购 下载PDF
Erratum:Data-Driven Prediction of Thermal Conductivity from Short MD Trajectories:A GCN-LSTM Approach [Chin.Phys.Lett.43 020801 (2026)] 认领 引用
10
作者 Shihao Feng Haifeng Chen +2 位作者 Jian Zhang Meng An Gang Zhang 《Chinese Physics Letters》 SCIE EI CAS CSCD 2026年第3期380-380,共1页
In our recently published paper,[1]a typesetting error occurred during the production process.Figure 1 in the published version was incomplete.The processing of molecular dynamics(MD)simulation data into graph-structu... In our recently published paper,[1]a typesetting error occurred during the production process.Figure 1 in the published version was incomplete.The processing of molecular dynamics(MD)simulation data into graph-structured representations in the left bottom panel of thefigure was inadvertently omitted. 展开更多
关键词 typesetting error production processfigure short MD trajectories GCN LSTM molecular dynamics simulation thermal conductivity graph structured representations data driven prediction
暂未订购 下载PDF
Data-Driven Prediction of Thermal Conductivity from Short MD Trajectories:A GCN-LSTM Approach 认领 引用
11
作者 Shihao Feng Haifeng Chen +2 位作者 Jian Zhang Meng An Gang Zhang 《Chinese Physics Letters》 SCIE EI CAS CSCD 2026年第2期282-299,共18页
We propose a data-driven framework for rapid prediction of thermal conductivity in solids based on shorttime molecular dynamics(MD)simulations.By converting atomic configurations into graph representations,a graph con... We propose a data-driven framework for rapid prediction of thermal conductivity in solids based on shorttime molecular dynamics(MD)simulations.By converting atomic configurations into graph representations,a graph convolutional network(GCN)is used to extract spatial features,which are then processed by a long short-term memory(LSTM)network to capture the temporal evolution of physical properties.The framework is validated using equilibrium MD simulations of germanium at 1000 K across various system sizes.With sizespecific normalization and optimized hyperparameters,the model accurately predicts the converged thermal conductivity,achieving results consistent with experimental data.Notably,the proposed method significantly reduces computational time by up to 800-fold at large system sizes,which demonstrates its potential to accelerate thermal transport simulations in solid-state systems. 展开更多
关键词 equilibrium md simulations molecular dynamics long short term memory data driven prediction graph representationsa graph convolutional network gcn thermal conductivity extract spatial featureswhich
暂未订购 下载PDF
基于TCN-GCN的井下DC-DC电路软故障诊断 认领 引用 被引量：1
12
作者 何景贤 姜媛媛 《煤矿机械》 2026年第1期183-187,共5页
针对煤矿井下电控系统中DC-DC电源模块电容软故障类型多样、诊断精度不足的问题,提出了一种基于并行时序卷积网络(TCN)与图卷积网络(GCN)的融合模型。以150 W Boost型DC-DC电源为研究对象,采集电路中4个测点的电压信号。该模型通过TCN... 针对煤矿井下电控系统中DC-DC电源模块电容软故障类型多样、诊断精度不足的问题,提出了一种基于并行时序卷积网络(TCN)与图卷积网络(GCN)的融合模型。以150 W Boost型DC-DC电源为研究对象,采集电路中4个测点的电压信号。该模型通过TCN捕获长时依赖特征,以GCN刻画测点拓扑关系;二者在特征层拼接,实现时间维与空间结构信息的互补融合。实验结果表明,该模型平均准确率达99.72%;在6 dB、4 dB、2 dB、0 dB信噪比条件下,准确率分别达到99.48%、98.54%、98.17%和93.78%,高于其他模型。该研究为煤矿井下电控设备中电容软故障的智能诊断提供了有效技术路径。 展开更多
关键词 电路软故障诊断 煤矿井下电控系统 TCN GCN
暂未订购 下载PDF
基于GCN-TCN的大功率HMCVT拖拉机混合动力学建模方法 认领 引用
13
作者 张广霖 朱忠祥 +3 位作者 宋正河 翟志强 王建华 郭富强 《农业机械学报》 EI CAS CSCD 北大核心 2026年第14期386-396,416,共11页
针对大功率液压机械无级变速(HMCVT)拖拉机在复杂田间作业工况下纵向动力学模型精度不足、传统机理模型适应性受限等问题,在AMESim-Simulink联合仿真模型与实车试验数据基础上,本文提出了一种融合图卷积网络(GCN)与时间卷积网络(TCN)的... 针对大功率液压机械无级变速(HMCVT)拖拉机在复杂田间作业工况下纵向动力学模型精度不足、传统机理模型适应性受限等问题,在AMESim-Simulink联合仿真模型与实车试验数据基础上,本文提出了一种融合图卷积网络(GCN)与时间卷积网络(TCN)的混合纵向动力学建模方法。该方法以拖拉机动力系统实际结构为约束,将发动机、传动系统及整车纵向状态抽象为动力学状态图,通过GCN表征动力学状态间的结构耦合关系,并利用TCN描述纵向动力学状态的时间演化特性,实现时空特征的联合建模。在多种典型田间作业工况下对所建模型进行了试验验证,并采用工况加权灰色关联评价方法对瞬态与稳态预测误差进行统一量化评价。结果表明,所提出的GCN-TCN混合模型在不同工况下均表现出较高预测精度与稳定性,多工况综合预测精度达到97.693%,在负载突变和非稳态工况下优势尤为明显。研究结果可为大功率拖拉机传动系统控制策略优化与整机性能分析提供可靠的纵向动力学模型支撑。 展开更多
关键词 大功率拖拉机 HMCVT 纵向动力学 GCN-TCN 混合建模
暂未订购 下载PDF
基于多尺度的双轴注意力GCN剩余寿命预测模型 认领 引用
14
作者 郑森潇 郭志涛 +1 位作者 李义博 贠智 《电子测量技术》 北大核心 2026年第3期146-154,共9页
准确预测设备的剩余使用寿命(RUL)能够优化维护策略、降低成本并提高效率。然而现有的方法大多依赖于分离式地提取时间特征与空间特征,无法充分融合时间信息与空间信息。为此本文提出了一种基于多尺度特征提取的双轴注意力图卷积剩余寿... 准确预测设备的剩余使用寿命(RUL)能够优化维护策略、降低成本并提高效率。然而现有的方法大多依赖于分离式地提取时间特征与空间特征,无法充分融合时间信息与空间信息。为此本文提出了一种基于多尺度特征提取的双轴注意力图卷积剩余寿命预测模型。模型首先通过级联的尺度可塑卷积模块对原始特征进行多尺度时空特征提取,获得不同维度的时空特征;随后利用这些不同维度的时空特征构造时空图,通过图卷积操作挖掘数据深层次的依赖关系;最后设计双轴注意力机制,对时间维度与空间维度的特征进行动态加权,实现关键特征的增强。在CMAPSS数据集的FD001和FD004子集的实验验证中,RMSE和Score分别为11.87、236和13.44、816。结果表明,该方法相较于其他方法具有更高的精度。 展开更多
关键词 剩余寿命预测 GCN 自注意力机制 多尺度特征提取
暂未订购 下载PDF
GCN5沉默通过调控HIF-1α与焦亡通路减轻脑出血后脑损伤 认领 引用
15
作者 张阜阳 马骏 +3 位作者 尹浩 冉忠营 罗涛 金泽鑫 《西部医学》 CAS 2026年第4期497-502,共6页
目的 探讨组蛋白乙酰转移酶GCN5(GCN5)在脑出血(ICH)后的病理过程中的作用及其机制。方法 20只SPF级挪威大鼠采用胶原酶Ⅶ-S诱导的ICH模型,建立大鼠脑出血模型,并分组注射腺相关病毒(AAV)进行GCN5基因沉默。通过HE染色、免疫组化、免疫... 目的 探讨组蛋白乙酰转移酶GCN5(GCN5)在脑出血(ICH)后的病理过程中的作用及其机制。方法 20只SPF级挪威大鼠采用胶原酶Ⅶ-S诱导的ICH模型,建立大鼠脑出血模型,并分组注射腺相关病毒(AAV)进行GCN5基因沉默。通过HE染色、免疫组化、免疫荧光和Western blot等方法评估脑组织损伤、GCN5与缺氧诱导因子-1α(HIF-1α)及焦亡相关蛋白的表达情况。结果 ICH模型组大鼠脑组织中GCN5和HIF-1α表达显著上升,GCN5敲低后脑出血损伤显著减轻,且HIF-1α及焦亡相关蛋白(NLRP3、Caspase-1、ASC、Cleaved-GSDMD)的表达显著下降。此外,GCN5与HIF-1α在脑组织中共定位,GCN5沉默后两者的共定位信号显著减弱。结论 GCN5基因沉默能够显著减轻脑实质损伤,其机制可能与调控HIF-1α及焦亡有关,提示GCN5可能是未来治疗ICH的潜在靶点。 展开更多
关键词 脑出血 GCN5 缺氧诱导因子1α 焦亡 炎症
暂未订购 下载PDF
面向地下水储量模拟与预测的地理时空协同深度学习模型GCN-Transformer-BiLSTM 认领 引用
16
作者 张瑞 成思远 李小娟 《地球信息科学学报》 EI CAS CSCD 北大核心 2026年第7期1909-1925,共17页
【背景】京津冀地区面临严重的水资源短缺与供需矛盾问题,地下水作为区域发展的重要水源,直接关系到区域水安全和可持续发展。因此,开展京津冀地区未来地下水资源变化趋势研究具有重要的科学意义和现实价值。【方法】本文提出了一种地... 【背景】京津冀地区面临严重的水资源短缺与供需矛盾问题,地下水作为区域发展的重要水源,直接关系到区域水安全和可持续发展。因此,开展京津冀地区未来地下水资源变化趋势研究具有重要的科学意义和现实价值。【方法】本文提出了一种地理时空协同深度学习模型GCN-Transformer-Bi LSTM,该模型融合了图卷积网络(GCN)的空间特征提取能力、Transformer的全局时序依赖关系建模能力以及双向长短期记忆网络(BiLSTM)的局部时序动态建模能力,并基于该模型开展地下水储量变化模拟与预测。选取地下水储量异常作为表征区域地下水储量变化的指标,以京津冀平原区为实验区,采用实验区2002—2024年的地下水储量异常数据集和主要影响要素数据集进行建模,并对2025—2035年地下水储量异常进行多情景预测。【结果】京津冀平原区未来地下水储量相较于过去20年来的亏损状态,呈现出情景依赖性和较为复杂的时空动态特征。不同情景下地下水储量整体表现为亏损逐步缓解,但恢复幅度存在差异,其中SSP1情景恢复相对稳定,SSP2情景为中等程度恢复,而SSP5情景波动较大且恢复程度相对较弱。从空间分布来看,各情景下地下水储量变化总体表现为南部地区亏损程度较高、北部地区相对较低的格局,且在高排放情景下区域差异进一步增强。【结论】本文提出的地理时空协同深度学习模型在一定程度上可以顾及地下水储量变化在空间上的自相关性与异质性以及时间上的动态变化规律,实现对实验区地下水储量变化过程的模拟与多情景预测,为区域地下水资源调控与管理提供参考。 展开更多
关键词 地下水储量异常 地理时空协同 深度学习 GCN-Transformer-BiLSTM 地下水储量预测 多情景模拟预测 京津冀平原区
暂未订购 下载PDF
基于cBert-GCN的煤矿“三违”数据短文本分类 认领 引用
17
作者 吴徐燕 杨超宇 《煤炭工程》 北大核心 2026年第1期184-191,共8页
针对煤矿“三违”文本分类数据存在专业性强、语义易混淆、样本比例失衡3种问题,提出cBert-GCN煤矿“三违”文本分类模型。考虑到存在除专业领域信息外,煤矿“三违”文本数据简短,同时具有上下文关联紧密以及固有二义性,引入拼音、字形... 针对煤矿“三违”文本分类数据存在专业性强、语义易混淆、样本比例失衡3种问题,提出cBert-GCN煤矿“三违”文本分类模型。考虑到存在除专业领域信息外,煤矿“三违”文本数据简短,同时具有上下文关联紧密以及固有二义性,引入拼音、字形向量以增强表达煤矿“三违”文本数据。文章将GCN用于煤矿“三违”文本分类中,构建文本共现图以捕获文本中的结构信息和依赖关系,采用中文预训练模型和图卷积神经网络结合的方式进行特征学习,融合字符级和词级,设置二者权重以实现对煤矿“三违”数据的准确分类。结果表明:cBert-GCN模型在训练样本上的准确率高于其他模型达到97.03%,且在测试样本中准确率达到93.17%,具备良好泛化能力。因此,cBert-GCN模型在煤矿“三违”文本数据方面具有比较明显的应用优势。 展开更多
关键词 煤矿“三违” GCN 特征学习 训练样本 文本共现
暂未订购 下载PDF
基于时空注意力机制的GCN-LSTM地铁短时OD客流预测方法 认领 引用
18
作者 蔡梦影 张淼 +3 位作者 丁怡 王兵 陈钉均 卢广志 《铁道运输与经济》 北大核心 2026年第3期59-67,共9页
网络化地铁运营条件下,客流呈现高度复杂的时空动态特性,如何实现精准的短时OD客流预测是优化运输组织、缓解拥堵的关键基础。现有预测方法对客流时空依赖性的联合建模能力有待提升。为此,提出一种新颖的短时OD客流预测模型。该模型引... 网络化地铁运营条件下,客流呈现高度复杂的时空动态特性,如何实现精准的短时OD客流预测是优化运输组织、缓解拥堵的关键基础。现有预测方法对客流时空依赖性的联合建模能力有待提升。为此,提出一种新颖的短时OD客流预测模型。该模型引入时空注意力机制,并深度融合GCN和LSTM在建模上的优势,使模型能够自适应地关注不同历史时刻对当前预测的重要性,并动态识别路网中影响目标OD对的关键站点或区域,从而更精准地捕获客流在复杂地铁网络中的非线性时空传播特征。通过实际地铁网络数据验证,结果表明,所提出的时空注意力GCN-LSTM模型相较于基准模型,显著提升了短时OD客流预测的精度,能够更有效地捕捉客流的时空波动特性,为后续网络化地铁的精细化客流管控、运力调配及协同优化策略提供了可靠的数据支撑与决策依据。 展开更多
关键词 网络化 地铁 短时OD客流预测 时空注意力机制 GCN-LSTM模型
暂未订购 下载PDF
基于SynGCN的中文短文本命名实体识别模型 认领 引用
19
作者 何昕蔚 李男 赵蕊娟 《河北软件职业技术学院学报》 2026年第2期27-30,共4页
短文本具有语句长度短、信息密度低、口语化特征显著等固有属性,导致现有通用命名实体识别方法难以适配。针对基于深度神经网络的主流学习模型,提出一种改进的BiLSTM-CRF模型,通过引入具备语义表征能力的向量嵌入方法与稠密连接的LSTM结... 短文本具有语句长度短、信息密度低、口语化特征显著等固有属性,导致现有通用命名实体识别方法难以适配。针对基于深度神经网络的主流学习模型,提出一种改进的BiLSTM-CRF模型,通过引入具备语义表征能力的向量嵌入方法与稠密连接的LSTM结构,有效解决短文本因篇幅受限、上下文语义支撑不足而产生的识别精度偏低问题。 展开更多
关键词 图卷积网络 Attention-BiLSTM-CRF模型 中文短文本 SynGCN
暂未订购 下载PDF
基于GCN和LSTM的分时段地铁客流量预测 认领 引用
20
作者 郝润泽 刘玲丽 《物流工程与管理》 2026年第2期91-95,共5页
依托地铁网络构建地下物流系统,是缓解城市交通与物流双重压力、降低物流成本、提升运营效率与服务水平的创新途径。客流量预测作为开展地铁物流精细化营运的基础,直接影响物流资源配置的合理性与运营优化的精准度。传统单一预测方法在... 依托地铁网络构建地下物流系统,是缓解城市交通与物流双重压力、降低物流成本、提升运营效率与服务水平的创新途径。客流量预测作为开展地铁物流精细化营运的基础,直接影响物流资源配置的合理性与运营优化的精准度。传统单一预测方法在处理地铁客流数据的复杂非线性关系和时空动态特性时存在局限性,故文中提出了一种基于图卷积神经网络(GCN)和长短期记忆网络(LSTM)的混合模型,通过GCN有效挖掘地铁站点间的空间关联特征,同时借助LSTM捕捉客流时间序列的长期依赖关系,二者协同实现对客流时空特性的精准刻画。最后,选用天津地铁的AFC数据进行分时段客流量预测,验证了该模型的高预测精度与强适用性。 展开更多
关键词 地铁客流 时段划分 GCN LSTM 客流量预测
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 … 38 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈