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357篇文章
< 1 2 … 18 >
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GRU神经网络的地下洞室围岩变形预测研究 认领 引用 被引量：2
1
作者 万晨 王兴霞 +2 位作者 段杭 郑龙 黄建文 《地下空间与工程学报》 CSCD 北大核心 2026年第2期448-458,共11页
为了提高围岩变形预测精度,实时掌握变形状态,预防围岩变形破坏,保障施工安全,针对传统围岩变形预测方法训练效率低、收敛速度慢、泛化能力弱等问题,提出了一种基于GRU神经网络的地下洞室围岩变形时序预测方法,构建了相应的围岩变形预... 为了提高围岩变形预测精度,实时掌握变形状态,预防围岩变形破坏,保障施工安全,针对传统围岩变形预测方法训练效率低、收敛速度慢、泛化能力弱等问题,提出了一种基于GRU神经网络的地下洞室围岩变形时序预测方法,构建了相应的围岩变形预测框架流程。结合白鹤滩右岸地下厂房围岩变形监测数据进行预测,并将其与长短期记忆(LSTM)神经网络算法预测结果进行对比分析。结果表明:GRU神经网络模型能够较好地解决地下洞室围岩变形预测问题,具有结构简单、参数量相对较少、训练及收敛速度快、预测精度高等优势。与LSTM神经网络算法预测结果相比,模型训练时长降幅超过70%,预测误差降低幅度高达50%以上,累计最大变形的相对误差小于0.3%,绝对误差小于0.9 mm的概率高达95%,最大绝对误差仅为2.05 mm。 展开更多
关键词 地下洞室 围岩 变形预测 GRU神经网络
暂未订购 下载PDF
基于GRU-MPC的双全回转推进拖轮轨迹跟踪控制 认领 引用 被引量：2
2
作者 李诗杰 刘泰序 +2 位作者 刘佳仑 董智霖 徐诚祺 《上海交通大学学报》 EI CAS CSCD 北大核心 2026年第3期418-426,共9页
针对双全回转尾推进拖轮轨迹跟踪控制问题,提出通过门控循环单元(GRU)神经网络构建拖轮三自由度运动数据驱动模型,并基于GRU模型构建模型预测控制(MPC)轨迹跟踪控制器,克服传统控制方法对精确系统机理模型限制.在不改变拖轮推进器转速... 针对双全回转尾推进拖轮轨迹跟踪控制问题,提出通过门控循环单元(GRU)神经网络构建拖轮三自由度运动数据驱动模型,并基于GRU模型构建模型预测控制(MPC)轨迹跟踪控制器,克服传统控制方法对精确系统机理模型限制.在不改变拖轮推进器转速前提下,通过调节左右舵角对拖轮速度与航向进行调控,并通过仿真实验验证所提出方案的有效性.在噪声干扰下,模型精度良好.通过对比不同预测步长下的控制性能,探讨预测步长对控制效果及求解时间的影响.当预测步长增加时,控制精度得到提升,但由于优化求解复杂度提升,求解时间增加.本研究为拖轮的精确轨迹跟踪控制提供新思路,也为类似非线性系统控制研究提供有价值的参考. 展开更多
关键词 全回转尾推进型拖轮控制 模型预测控制 门控循环单元神经网络 轨迹跟踪控制 数据驱动模型
暂未订购 下载PDF
基于CEEMDAN-SE和串行CNN-GRU的光伏功率组合预测模型 认领 引用
3
作者 窦真兰 吴松梅 +2 位作者 郭慧 张春雁 汪飞 《太阳能学报》 EI CAS CSCD 北大核心 2026年第2期67-75,共9页
为提高光伏功率的预测精度,提出一种基于完全自适应噪声经验模态分解(CEEMDAN)和串行卷积神经网络及门控神经网络(CNN-GRU)的光伏功率组合预测模型。首先,针对光伏功率波动性对预测结果的影响,采用CEEMDAN将原始光伏功率分解为若干子序... 为提高光伏功率的预测精度,提出一种基于完全自适应噪声经验模态分解(CEEMDAN)和串行卷积神经网络及门控神经网络(CNN-GRU)的光伏功率组合预测模型。首先,针对光伏功率波动性对预测结果的影响,采用CEEMDAN将原始光伏功率分解为若干子序列降低序列的非平稳性,并通过样本熵(SE)计算各子序列的复杂度,将SE值相近的序列,进行重组以减少计算量。其次,为克服单一神经网络在学习光伏功率历史数据特征的局限性,提出串行CNN-GRU混合神经网络以充分挖掘光伏功率的时空特征;将各子序列输入串行CNN-GRU得到预测结果,并将子序列预测结果叠加得到光伏功率预测结果。最后,对两个地区的光伏电站进行实例验证,同时构建LSTM、GRU、CEEMDAN-LSTM、CEEMDAN-GRU和串行CNN-GRU,进行对比验证。结果表明,所提模型能得到良好的预测结果,拥有良好的预测精度和泛化能力。 展开更多
关键词 光伏功率预测 CNN GRU 混合神经网络 CEEMDAN SE
暂未订购 下载PDF
基于GRU-Transformer与随机矩阵的机动群目标跟踪 认领 引用
4
作者 陈烨 梁苑 +1 位作者 李银伢 戚国庆 《兵工学报》 EI CAS CSCD 北大核心 2026年第1期282-295,共14页
针对机动群目标跟踪问题,提出基于多任务多头门控循环单元变换器(Gated Recurrent Unit Transformer,GRU-Transformer)的机动模型辨识与当前统计(Current Statistical,CS)模型机动频率参数α回归,并将判别结果融入随机矩阵椭球-贝叶斯更... 针对机动群目标跟踪问题,提出基于多任务多头门控循环单元变换器(Gated Recurrent Unit Transformer,GRU-Transformer)的机动模型辨识与当前统计(Current Statistical,CS)模型机动频率参数α回归,并将判别结果融入随机矩阵椭球-贝叶斯更新,实现群目标质心与扩展外形的联合跟踪。基于机动群目标时间序列量测数据,提取群目标运动多项特征参数,输入所提深度神经网络,实现机动群目标运动模型(匀速(Constant Velocity,CV)模型、匀加速(Constant Acceleration,CA)模型、CS模型)的精准辨别,若目标模型为CS运动模型,同时输出机动频率参数α的精确估计结果。运用随机矩阵群目标跟踪理论,提出一种基于贝叶斯状态估计架构的椭圆机动群目标跟踪方法。仿真实验结果分析表明:新方法可实现对机动椭圆群目标的精确稳健跟踪,相较于传统交互式多模型群目标跟踪方法,跟踪精度有显著提升。 展开更多
关键词 机动群目标跟踪 注意力GRU-Transformer深度神经网络 群目标跟踪 运动模型辨识 机动频率参数估计
暂未订购 下载PDF
基于GRU-BP的锂电池部分充电数据SOH估计 认领 引用 被引量：5
5
作者 钟耿钦 王学梅 康龙云 《电源学报》 CSCD 北大核心 2026年第5期139-148,共10页
电池充电时的初始荷电状态SOC(state of charge)往往是随机的,因此在实际应用中难以得到锂电池完整的充电数据,针对这一问题提出一种基于部分充电数据的锂电池健康状态SOH(state of health)估计方法。通过建立的门控循环单元-反向传播GR... 电池充电时的初始荷电状态SOC(state of charge)往往是随机的,因此在实际应用中难以得到锂电池完整的充电数据,针对这一问题提出一种基于部分充电数据的锂电池健康状态SOH(state of health)估计方法。通过建立的门控循环单元-反向传播GRU-BP(gated recurrent unit-back propagation)模型,可以由部分充电数据得到完整的充电曲线,然后在完整的充电曲线中提取能够有效表征电池老化程度的特征进行SOH预测。该方法能够实现在恒流充电模式下的任意定长电压区间充电数据下电池的SOH估计。通过实验证明,所提出的模型在数据不完备的情况下能够有效预测锂电池SOH,其估计的均方根误差RMSE(root mean square error)均在2%以下。 展开更多
关键词 锂电池 部分数据 健康状态估计 GRU 神经网络
暂未订购 下载PDF
基于CNN-GRU-Attention网络模型的油井产量预测 认领 引用
6
作者 杨王黎 宣翔腾 赵建民 《计算机与数字工程》 2026年第1期287-293,共7页
油藏勘探和开发中,预测油井的产量是一个非常重要的任务。为了更准确地预测油井的产量,提出了一种基于卷积神经网络-门控循环单元神经-注意力机制(CNN-GRU-Attention)神经网络模型的预测油井产量新方法。将CNN网络提取特征的能力的优势... 油藏勘探和开发中,预测油井的产量是一个非常重要的任务。为了更准确地预测油井的产量,提出了一种基于卷积神经网络-门控循环单元神经-注意力机制(CNN-GRU-Attention)神经网络模型的预测油井产量新方法。将CNN网络提取特征的能力的优势与GRU网络处理长时间序列的优势结合,避免因输入特征序列过长导致精度降低的情况,并融合注意力机制可突显重要特征对于油井产量的影响,增强油井产量预测模型的准确性。通过在真实的油井生产数据集上进行实验,相比CNN、LSTM、GRU、CNN-GRU,CNN-LSTM模型特征提取效果更好,预测结果具有更高的准确性和稳定性,可以帮助油田工程师更好地预测油井产量和制定更合理的生产计划。 展开更多
关键词 产量预测 模型融合 神经网络 CNN-GRU-Attention模型
暂未订购 下载PDF
基于CNN-GRU模型的核反应堆冷却剂系统故障诊断系统设计 认领 引用 被引量：1
7
作者 刘家义 隋阳 +2 位作者 戴滔 贾晓龙 闫家胜 《科学技术与工程》 EI 北大核心 2026年第4期1498-1508,共11页
核反应堆冷却剂系统(reactor coolant system,RCS)是核电厂安全运行的核心屏障,其故障诊断的准确性对保障核安全具有关键意义。针对传统故障诊断方法在特征提取和时序建模方面的不足,且传统诊断系统在安装、维护及跨平台数据交互等方面... 核反应堆冷却剂系统(reactor coolant system,RCS)是核电厂安全运行的核心屏障,其故障诊断的准确性对保障核安全具有关键意义。针对传统故障诊断方法在特征提取和时序建模方面的不足,且传统诊断系统在安装、维护及跨平台数据交互等方面存在诸多限制。按照如下路线,构建一种基于卷积神经网络-门控循环单元(convolutional neural network-gated recurrent unit,CNN-GRU)模型的RCS故障诊断模型,并设计了基于浏览器/服务器(browser/server,B/S)架构的RCS故障诊断系统。首先,使用CNN模型,提取RCS运行数据的局部时空特征;然后,将提取的特征输入GRU进行时序建模,构建CNN-GRU诊断模型;最后,基于该模型设计了RCS故障诊断系统。该系统通过前端数据上传与后端模型推理实现故障诊断。实验采用核电厂仿真与严重事故分析仪(personal computer transient analyzer,PCTRAN)生成的模拟数据进行验证。结果表明,该系统能够准确识别RCS的8类故障工况,平均准确率达到99.85%,为核电厂安全运行提供了可靠的故障诊断支持。 展开更多
关键词 核反应堆冷却剂系统(RCS) 故障诊断 卷积神经网络-门控循环单元(CNN-GRU)神经网络 浏览器/服务器(B/S)架构
暂未订购 下载PDF
基于GRU神经网络融合热变形历史与动态摩擦效应的统一本构建模 认领 引用
8
作者 曾攀 高畅 +7 位作者 李通 梁玉金 熊武 白玉 金俊松 邓磊 唐学峰 王新云 《锻压技术》 CAS CSCD 北大核心 2026年第6期281-289,共9页
以48MnV非调质钢为研究对象,开展了宽温度(800~1200℃)、宽应变速率(0.001~10 s-1)范围内的热压缩实验,获取了不同变形条件下的流动应力数据。针对金属热变形本构建模中传统方法难以表征非线性流变行为及修正动态摩擦误差的局限,提... 以48MnV非调质钢为研究对象,开展了宽温度(800~1200℃)、宽应变速率(0.001~10 s-1)范围内的热压缩实验,获取了不同变形条件下的流动应力数据。针对金属热变形本构建模中传统方法难以表征非线性流变行为及修正动态摩擦误差的局限,提出一种融合摩擦修正与流变预测的统一建模框架。该框架采用门控循环单元神经网络,利用其处理序列数据的优势,直接对包含摩擦的实测热压缩数据进行端到端训练,能够同时捕捉变形历史依赖性和隐式解耦动态非线性摩擦效应,从而实现对48MnV非调质钢在复杂热变形条件下流动应力的修正和预测。该方法有效校正了实验数据中的系统性偏差,提升了本构模型的可靠性与泛化能力。 展开更多
关键词 48MnV钢 热变形 本构建模 GRU神经网络 摩擦修正
暂未订购 下载PDF
基于LSTM-GRU神经网络的煤矿区开采沉陷预测 认领 引用
9
作者 马吉强 张爱华 +1 位作者 吴仪 杨旭 《陕西煤炭》 2026年第4期1-6,12,共6页
【目的及方法】大面积矿产开发造成了区域环境和资源破坏,岩土体位置和形态改变,从而引发地面沉降、塌陷等地质灾害,严重影响了矿区经济社会发展与生态环境修复,且严重威胁人民群众的生命财产安全。随着人工智能技术的不断发展,人工神... 【目的及方法】大面积矿产开发造成了区域环境和资源破坏,岩土体位置和形态改变,从而引发地面沉降、塌陷等地质灾害,严重影响了矿区经济社会发展与生态环境修复,且严重威胁人民群众的生命财产安全。随着人工智能技术的不断发展,人工神经网络在矿区开采沉陷预测研究领域应用逐渐广泛,故提出基于LSTM(Long Short-Term Memory,长短期记忆网络)与GRU(Gated Recurrent Unit,门控循环单元)神经网络的矿区开采沉陷预测方法。以某矿工作面的监测数据为例,建立LSTM、GRU及其组合(SUM)的时间序列预测模型,以实现矿区开采引起的地表下沉值和水平变形值预测。【结果及结论】LSTM、GRU及SUM预测结果表明,总体上,对于地表下沉值预测,LSTM、SUM优于GRU,LSTM最优,其均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(MAPE,Mean Absolute Percentage Error)分别为14 mm、1.5%;对于地表水平移动值预测,LSTM、SUM优于GRU,LSTM最优,其RMSE、MAPE分别为25 mm、6.9%;对于单次预测,精度的稳定性由高到低分别为SUM、LSTM、GRU,RMSE、MAPE的最大值与最小值均为GRU。 展开更多
关键词 开采沉陷 LSTM神经网络 GRU神经网络 变形预测 深度学习
暂未订购 下载PDF
基于CNN-GRU-注意力的锂离子电池SOC估计 认领 引用 被引量：3
10
作者 程思涵 刘思懿 +2 位作者 郭子旭 李子涵 吴慕遥 《电池》 CAS 北大核心 2026年第1期131-135,共5页
锂离子电池内部电化学反应复杂,外部应用场景随机多变,使得车载锂离子电池SOC估计的准确性低、鲁棒性弱。提出一种基于卷积神经网络(CNN)-门控循环单元(GRU)-注意力机制混合网络的车载锂离子电池SOC估计方法。首先,进行实车数据预处理,... 锂离子电池内部电化学反应复杂,外部应用场景随机多变,使得车载锂离子电池SOC估计的准确性低、鲁棒性弱。提出一种基于卷积神经网络(CNN)-门控循环单元(GRU)-注意力机制混合网络的车载锂离子电池SOC估计方法。首先,进行实车数据预处理,获取可用的放电片段;然后,采用皮尔逊-斯皮尔曼特征双准则分析,选择出3个与SOC具有强相关性的简单特征作为混合网络的输入;最后,构建混合网络,并分别在北方和南方地区的实车运行数据上进行测试。实验结果表明,SOC估计的平均绝对误差与均方根误差均小于1.6%,验证了该方法的可行性与有效性。 展开更多
关键词 锂离子电池 荷电状态(SOC) 卷积神经网络(CNN) 门控循环单元(GRU) 注意力机制 特征双准则 混合网络
暂未订购 下载PDF
基于YOLOv8与GRU神经网络的人员落水实时预警研究及应用 认领 引用
11
作者 陈胤吉 《计算机应用文摘》 2026年第8期181-183,共3页
针对传统水域安全监控系统人工监管效率低、自动化预警延迟高、误报率高等问题,提出一种基于YOLOv8与GRU神经网络的实时人员落水预警模型。该模型利用YOLOv8算法在视频流中进行高效、精准的人员目标检测,实时获取目标位置边界框。实验... 针对传统水域安全监控系统人工监管效率低、自动化预警延迟高、误报率高等问题,提出一种基于YOLOv8与GRU神经网络的实时人员落水预警模型。该模型利用YOLOv8算法在视频流中进行高效、精准的人员目标检测,实时获取目标位置边界框。实验结果表明,相较于仅采用目标检测与简单规则判定的方案,该模型在保持高检测精度的同时,显著降低了误报率。 展开更多
关键词 人员落水检测 YOLOv8 GRU神经网络 深度学习 行为预测
暂未订购 下载PDF
基于SEGCN-GRU的滚动轴承剩余寿命预测 认领 引用 被引量：1
12
作者 苏兴亮 江海锋 +2 位作者 林勤 阙辉鉴 钟建华 《制造业自动化》 2026年第2期116-125,共10页
机械设备的滚动轴承剩余使用寿命(RUL)的精确预测,对于保证设备的可靠运行以及实施有效的维护措施至关重要,对保障工作人员生命和财产安全具有重大意义。目前,在滚动轴承RUL预测领域,由于缺乏针对不同样本之间相互关系特征的分析与提取... 机械设备的滚动轴承剩余使用寿命(RUL)的精确预测,对于保证设备的可靠运行以及实施有效的维护措施至关重要,对保障工作人员生命和财产安全具有重大意义。目前,在滚动轴承RUL预测领域,由于缺乏针对不同样本之间相互关系特征的分析与提取,以及对振动信号的处理不够灵活,导致滚动轴承RUL预测不够精确。因此,提出了一种基于压缩激励图卷积网络(Squeeze-and-excitation graph convolution Networks, SEGCN)与门控循环单元(Gated recurrent unit, GRU)的模型。首先,通过自适应变分模态分解(Adaptive variational mode decomposition, AVMD)对轴承数据进行预处理。然后,考虑到振动数据在时序维度与特征空间维度的复杂性与非线性,利用压缩激励网络(Squeeze-and-excitation network, SEN)改进图卷积网络。通过压缩激励机制,能够聚合并完全捕获与通道相关的依赖关系,结合GCN能够融合不同时间节点的数据,从而提取出数据之间的相互关系特征。最后,利用门控循环单元识别滚动轴承的不同特征,获得滚动轴承RUL的预测结果。研究结果表明,该模型能够提取各个样本之间的相互关系,对不同工作条件下的滚动轴承RUL预测具有良好的预测精度以及泛化能力。 展开更多
关键词 变分模态分解 压缩激励网络 图卷积神经网络 剩余使用寿命 门控循环单元
暂未订购 下载PDF
基于威胁感知与GRU预测的CTF融合式网络安全防御研究 认领 引用
13
作者 梁旭 常磊 张丹 《信息与电脑》 2026年第11期143-145,共3页
文章研究并实践了一种把夺旗赛(Capture the Flag,CTF)和神经网络结合起来的网络安全防御办法。研究的重点创新在于方法迁移,也就是把在交通流量预测方面已验证有效的时序预测模型,用于网络安全领域,以此实现对网络攻击流量的动态感知... 文章研究并实践了一种把夺旗赛(Capture the Flag,CTF)和神经网络结合起来的网络安全防御办法。研究的重点创新在于方法迁移,也就是把在交通流量预测方面已验证有效的时序预测模型,用于网络安全领域,以此实现对网络攻击流量的动态感知和短期预测。文章设计了一个基于门控循环单元(Gated Recurrent Unit,GRU)的网络攻击流量预测模型。这个模型能根据过去的网络流量数据来预测未来的网络流量情况,起到短期预警的作用。另外,文章构建了“数据驱动、智能预警”的CTF融合模式。在攻防实践的时候,不再只是依靠已有的知识来防御,还能根据GRU网络流量模型提供的预测信息,提前调整应对策略,实现从“被动挨打式应对”到“主动提前布防”的转变。 展开更多
关键词 网络安全 CTF竞赛 神经网络 GRU 流量预测 范式迁移
暂未订购 下载PDF
基于Inception-CNN-GRU-ATT的入侵检测模型 认领 引用
14
作者 谢佳利 于金刚 薛豪杰 《舰船电子工程》 2026年第6期154-160,共7页
针对入侵检测中的数据不平衡和特征提取不足,多分类检测准确率偏低的问题,论文提出了基于Inception-CNN-GRU-ATT的入侵检测模型。首先,利用Inception模块进行多样化的卷积操作,增强特征提取能力并降低计算冗余;其次,通过卷积神经网络(C... 针对入侵检测中的数据不平衡和特征提取不足,多分类检测准确率偏低的问题,论文提出了基于Inception-CNN-GRU-ATT的入侵检测模型。首先,利用Inception模块进行多样化的卷积操作,增强特征提取能力并降低计算冗余;其次,通过卷积神经网络(CNN)从数据中提取空间特征以识别异常流量;再次,采用门控循环单元(GRU)捕捉时间序列数据的时序依赖性;最后,引入自注意力机制使模型能聚焦关键特征,提高对复杂攻击的识别精度。实验结果表明,论文模型在入侵检测任务中取得了优越性能,相较于现有主流方法具有更高的检测准确率。 展开更多
关键词 入侵检测 Inception模块 卷积神经网络(CNN) 门控循环单元(GRU) 自注意力机制
暂未订购 下载PDF
Real-time analysis and prediction of shield cutterhead torque using optimized gated recurrent unit neural network 认领 引用 被引量：20
15
作者 Song-Shun Lin Shui-Long Shen Annan Zhou 《Journal of Rock Mechanics and Geotechnical Engineering》 SCIE CSCD 2022年第4期1232-1240,共9页
An accurate prediction of earth pressure balance(EPB)shield moving performance is important to ensure the safety tunnel excavation.A hybrid model is developed based on the particle swarm optimization(PSO)and gated rec... An accurate prediction of earth pressure balance(EPB)shield moving performance is important to ensure the safety tunnel excavation.A hybrid model is developed based on the particle swarm optimization(PSO)and gated recurrent unit(GRU)neural network.PSO is utilized to assign the optimal hyperparameters of GRU neural network.There are mainly four steps:data collection and processing,hybrid model establishment,model performance evaluation and correlation analysis.The developed model provides an alternative to tackle with time-series data of tunnel project.Apart from that,a novel framework about model application is performed to provide guidelines in practice.A tunnel project is utilized to evaluate the performance of proposed hybrid model.Results indicate that geological and construction variables are significant to the model performance.Correlation analysis shows that construction variables(main thrust and foam liquid volume)display the highest correlation with the cutterhead torque(CHT).This work provides a feasible and applicable alternative way to estimate the performance of shield tunneling. 展开更多
关键词 Earth pressure balance(EPB)shield tunneling Cutterhead torque(CHT)prediction Particle swarm optimization(PSO) Gated recurrent unit(GRU)neural network
暂未订购 下载PDF
数据不完备下基于CNN-GRU神经网络的地铁基坑变形预测方法研究 认领 引用 被引量：2
16
作者 周意 王章琼 +3 位作者 邹原耕 蔡永辉 徐晓雅 赵歧林 《城市轨道交通研究》 北大核心 2025年第6期32-36,53,共5页
[目的]为应对地铁基坑变形监测数据不完备导致的预测滞后和精度下降问题,提出一种基于CNN-GRU神经网络(卷积神经网络-门控循环单元神经网络)的基坑变形预测方法,并对此方法进行验证。[方法]利用基坑不完备变形监测数据和缺失监测点附近... [目的]为应对地铁基坑变形监测数据不完备导致的预测滞后和精度下降问题,提出一种基于CNN-GRU神经网络(卷积神经网络-门控循环单元神经网络)的基坑变形预测方法,并对此方法进行验证。[方法]利用基坑不完备变形监测数据和缺失监测点附近点位监测数据构建数据样本集,输入CNN模型中,完成缺失数据的填补修复,得到完整连续的基坑变形监测数据。利用小波分解提取变形监测数据中低频趋势分量和高频误差分量,利用GRU神经网络模型和ARMA(自回归滑动平均)模型分别对低频趋势分量和噪声分量进行预测,再将预测结果合并得到最终变形预测结果。结合南京某地铁车站基坑工程案例,对该方法的有效性进行了验证。[结果及结论]采用基于CNN-GRU神经网络的基坑变形预测方法对缺失率达到18.5%和10.1%的基坑变形数据修复后进行预测时,预测误差分别为1.9266%和1.2746%,预测精度分别提高了35%和6%,可以看出该方法的数据修复能力表现良好,数据修复可靠度较高。对比GA-BP神经网络预测方法和LSTM预测方法,该方法的预测精度提升了1倍以上,且较好解决了预测滞后的问题,预测精度能够满足实际工程需要。 展开更多
关键词 地铁 基坑变形预测方法 CNN-GRU神经网络 数据不完备
暂未订购 下载PDF
基于GRU神经网络的雷达探测误差仿真模型 认领 引用 被引量：3
17
作者 李前进 邸彦强 +3 位作者 徐铂韬 孟宪国 刘洁 李婷 《无线电工程》 2025年第12期2515-2522,共8页
针对防空系统射击精度靶场试验成本高、周期长,且受限于靶机性能,无法支撑复杂飞行轨迹和战术动作下的射击精度试验的问题,提出了一种虚实混合实验方法。以历史试验数据为基础,利用门控循环单元(Gate Recurrent Unit,GRU)神经网络对历... 针对防空系统射击精度靶场试验成本高、周期长,且受限于靶机性能,无法支撑复杂飞行轨迹和战术动作下的射击精度试验的问题,提出了一种虚实混合实验方法。以历史试验数据为基础,利用门控循环单元(Gate Recurrent Unit,GRU)神经网络对历史数据进行计算分析,建立了目标运动状态到雷达探测误差的仿真模型,利用仿真模型计算雷达探测数据,驱动防空系统对虚拟目标进行射击。经飞行试验数据对比,验证了方法的有效性。 展开更多
关键词 射击精度试验 雷达探测误差 仿真模型 门控循环单元神经网络
暂未订购 下载PDF
基于分数阶滤波器和BiGRU神经网络的Wiener非线性系统建模与辨识 认领 引用 被引量：2
18
作者 李峰 杨岳松 李生权 《控制理论与应用》 EI CAS CSCD 北大核心 2025年第6期1181-1190,共10页
本文提出了一种基于分数阶滤波器和双向门控循环单元(BiGRU)神经网络的Wiener非线性系统建模与辨识方法,并应用于永磁同步电机的电流和电压预测.首先,通过Grünwald-Letnikov方法计算分数阶滤波器的未知系数,并利用该滤波器对输入... 本文提出了一种基于分数阶滤波器和双向门控循环单元(BiGRU)神经网络的Wiener非线性系统建模与辨识方法,并应用于永磁同步电机的电流和电压预测.首先,通过Grünwald-Letnikov方法计算分数阶滤波器的未知系数,并利用该滤波器对输入数据进行滤波,去除高频噪声,增强数据的稳健性;其次,为了提升对序列深层次特征的捕捉能力,使用BiGRU神经网络同时获取序列数据的过去和未来信息,并通过自适应动量估计技术更新BiGRU网络的参数.仿真结果表明,提出的Wiener系统能够有效建立永磁同步电机系统模型,取得了较好的预测效果.与整数阶滤波器BiGRU-attention神经网络相比,电压预测值的均方误差降低了30.87%,平均绝对误差降低了26.97%;电流预测值的均方误差降低了34.42%,平均绝对误差降低了14.88%. 展开更多
关键词 非线性Wiener系统 分数阶滤波器 双向GRU神经网络 参数辨识 永磁同步电机
暂未订购 下载PDF
基于GRU-模拟退火的公共建筑自校准客流仿真及空间优化研究 认领 引用 被引量：1
19
作者 许璟琳 陈芊茹 +1 位作者 彭阳 余芳强 《系统仿真学报》 EI CAS CSCD 北大核心 2025年第11期2826-2838,共13页
实时、精准的客流仿真为公共建筑设施资源的优化配置及空间布局的合理性提供了重要的数据支撑。提出了一种基于GRU-SA算法的公共建筑自校准客流仿真与空间优化方法。使用Anylogic构建包含空间结构与流线的仿真模型。基于GRU-SA算法设计... 实时、精准的客流仿真为公共建筑设施资源的优化配置及空间布局的合理性提供了重要的数据支撑。提出了一种基于GRU-SA算法的公共建筑自校准客流仿真与空间优化方法。使用Anylogic构建包含空间结构与流线的仿真模型。基于GRU-SA算法设计了一种自校准的公共建筑客流仿真方法,并应用于上海市某医院门诊部的客流仿真,通过与实际数据的对比验证了该方法的有效性。针对仿真过程中发现的客流拥堵问题,提出了空间布局优化方案,并对优化结果进行了可视化展示,构建了优化指标体系以评价优化效果。实际应用表明:该方法能够有效识别公共建筑空间设施布局中的瓶颈问题。在实施有针对性的布局优化方案后,排队时间减少了24.14%,设施的服务水平得到显著提升,客流密度降低了58.93%,有效缓解了客流聚集风险,降低了整体感染隐患。 展开更多
关键词 公共建筑 客流仿真 空间布局优化 自校准 模拟退火 GRU神经网络
暂未订购 下载PDF
基于Adam的分数阶GRU神经网络的轴承故障诊断 认领 引用 被引量：1
20
作者 李赛 雷欣怡 +1 位作者 丁芝侠 张永 《自动化与仪表》 2025年第4期56-60,66,共5页
为解决传统梯度下降算法训练门控循环单元网络(GRU)时收敛速度较慢的问题,提出了一种基于Adam优化的分数阶GRU神经网络的轴承故障诊断方法。首先,将分数阶微积分引入传统整数阶GRU网络,设计了基于分数阶梯度下降的GRU网络(FGRU);其次,结... 为解决传统梯度下降算法训练门控循环单元网络(GRU)时收敛速度较慢的问题,提出了一种基于Adam优化的分数阶GRU神经网络的轴承故障诊断方法。首先,将分数阶微积分引入传统整数阶GRU网络,设计了基于分数阶梯度下降的GRU网络(FGRU);其次,结合Adam算法的自适应学习率和动量机制,构建了Adam分数阶GRU网络(Adam-FGRU)。实验结果表明,Adam-FGRU不仅显著提高了GRU网络的收敛速度和诊断精度,而且在不同分数阶参数条件下均表现出较高的诊断精度,避免了由于分数阶参数选择不当引起的诊断误差。 展开更多
关键词 故障诊断 GRU神经网络 分数阶梯度下降 Adam算法
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 … 18 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈