【摘 要】
：
针对河流溶解氧质量浓度序列的非线性和不稳定性导致的预测精度低的问题,提出二层分解技术和改进神经网络相融合的预测模型.?首先,引入自适应噪声的完整集成经验模态分解对溶解氧时序数据进行分解,通过计算分解后各本征模函数(Intrinsic?Mode?Functions,IMF)的排列熵值以量化序列的复杂性,用变分模态分解对熵值较高的IMF进行二次分解,进一步削弱序列的非线性和不稳定性从而保证预测精度;其次,使用麻雀搜索算法优化神经网络的权值和阈值并对各分量进行预测;最后,将各分量预测结果重构后得到最终预测结果.
【机 构】
：
辽宁工程技术大学 电子与信息工程学院,辽宁 葫芦岛 125105
论文部分内容阅读
针对河流溶解氧质量浓度序列的非线性和不稳定性导致的预测精度低的问题,提出二层分解技术和改进神经网络相融合的预测模型.?首先,引入自适应噪声的完整集成经验模态分解对溶解氧时序数据进行分解,通过计算分解后各本征模函数(Intrinsic?Mode?Functions,IMF)的排列熵值以量化序列的复杂性,用变分模态分解对熵值较高的IMF进行二次分解,进一步削弱序列的非线性和不稳定性从而保证预测精度;其次,使用麻雀搜索算法优化神经网络的权值和阈值并对各分量进行预测;最后,将各分量预测结果重构后得到最终预测结果.?实验结果表明,所提预测模型平均绝对误差为0.091,均方根误差为0.14,平均绝对百分比误差为0.96％,决定系数为0.948,优于其它预测模型.
其他文献
通过2020年5月18日巧家Ms5.0级地震的震中周边200?km范围内的地磁总强度和地磁矢量监测区域震前至震后几期的测量数据对比,分析了巧家地震的地磁异常特征.?结果表明,巧家地震的地磁异常在震前14个月开始出现,震中在磁偏角、磁倾角的零变线上,且在水平分量弱变区域中—而不是在地磁要素变化大的区域.?距震中越远,这些地磁要素的变化有增大的趋势.
含硒化合物具有独特的化学性质,能够作为催化剂实现各种不同的化学转化,为有机化合物的合成提供了便利[1].近几年,硒催化受到越来越多的关注,已经发展成几种不同的分支,例如Lewis碱性的硒醚催化、亲电的硒π酸催化以及氧硒酸催化等[2].其中,利用双氧水、氧气或者空气作为氧化剂的氧硒酸催化,为有机化合物的合成提供了相对绿色的合成途径,在精细化工品的绿色合成中表现出潜力.扬州大学化学化工学院俞磊课题组近年来一直致力于硒催化绿色合成方面的研究,最近,他们从绿色合成的角度出发,对氧硒酸催化羰基衍生物的选择性转化进行
为探究贵阳乌当区喀斯特地区耕地土壤的镉污染分布特征,在喀斯特地区耕地表层土壤中采集2503个样品,测定其Cd元素质量分数和pH值,使用统计方法和地统计理论对实测数据进行分析,运用Cd元素污染指数、土壤Cd污染综合累积指数和综合潜在生态危害评价方法分析该区域耕地土壤的Cd污染现状,应用主成分分析方法对污染来源进行探究.?结果表明:①全区耕地土壤Cd质量分数实测值的平均值为0.426 mg·kg?1,超过国家土壤重金属污染筛选值(0.400?mg·kg?1),但未超过贵州省的背景值(0.659?mg·kg?1
以2-氨基-3-芳基萘-1,4-二-酮为底物,发展了一类可见光/钯催化的分子内C—H键氧化胺化反应.以氧气作为氧化剂及醋酸钯作为催化剂,在蓝色LED光照射下,2-氨基-3-芳基萘-1,4-二酮底物在室温下被转化为咔唑醌衍生物,反应具有良好的产率、官能团耐受性和优异的区域选择性.“,”An intramolecular palladium-catalyzed cross-dehydrogenative C—H amination under blue LED irradiation at room temp
对于非对称信道,通信系统两端采用相同调制方式发送信号时会存在误码率高、传输功率浪费等问题.?针对以上问题,设计了基于非对称调制的物理层网络编码方案.?首先给出方案的系统模型并制定中继节点处的解调映射规则;其次对系统在不同功率分配比下展开分析;最后在系统中引入LDPC码作为信道编码,设计相应的译码映射算法.?仿真实验结果表明,在非对称信道条件下,当功率分配比优化为1时,与传统的对称调制方案相比,非对称调制方案的译码准确率提升了7.6％.
在乳腺癌筛查的计算机辅助诊断过程中,乳腺肿块的精确分割至关重要.?然而,乳腺肿块在X光成像中与背景灰度接近、形状不规则,使得精确分割面临很大挑战.?为进一步提升分割性能,提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方法.?首先,提出可分离卷积U-Net模型作为对抗网络中的生成器,以减少参数量和计算量;然后,在判别网络中添加空间自适应归一化层来获取分割掩码中蕴含的语义信息;最后,综合考虑类别不平衡、语义一致性等因素的影响,提出一种融合对抗损失、分割损失和感知损失的混合损失函数以提升模型学习效果.
地理栅格统计分类及聚类分析难以实现山地地貌的自动区划制图,实践中一般使用半定量或手工综合的方法绘制地貌图,而山地地貌区划研究的关键是地貌空间特征指标的构造及空间栅格的综合归并.?基于此,提出了地形隆起高度与切割深度、皱褶多度、地表破碎度等新地貌特征指标,并以传统统计ISO聚类结果为基础,构造了一种基于空间“核颗粒”和“纹理指标”的二次聚合方法.?研究表明:①新提出的地貌指标能以具体数值表达山体向上隆起以及向下切割的程度,度量水平和垂直方向上的破碎度;②山地地貌是多种聚类分析及空间纹理再聚合的结果,利用“核
铁路信号设备在运营维护过程中积累了大量以文本方式记录的维护数据,为了实现高效准确分类,提出将Word2vec、SMOTE算法与卷积神经网络(Convolutional?Neural?Networks,?CNN)相结合的铁路信号设备故障文本自动分类方法.?首先,对故障文本使用自然语言方法完成预处理,并采用Word2vec训练词向量;其次,通过SMOTE算法自动生成小类别文本向量数据,嵌入至CNN的输入层;再次,利用CNN的卷积层和池化层提取故障文本的局部上下文高层特征;最后,通过softmax分类器对故障文
一直以来电化学都受到广泛的关注,相比于传统有机化学,电化学通过电极上的电子得失替代了有毒有害的强氧化剂和还原剂的使用[1].由于电流、电位的可调控性,化学家们通过电化学的方法能够很好地控制有机合成中氧化还原的进程.电化学通过得失电子可以在反应中构建活泼中间体,实现很多新型的反应[2].早在1975年,Shono课题组[3]通过电化学氧化的方法实现了环胺α位的官能团化,虽然后来Shono氧化得到了进一步的发展,但高对映选择性的Shono类型的氧化反应仍然很少,且受到环胺取代基的限制(Scheme 1).因此
为了提高低信噪比下语种识别的准确率,引入一种新的特征提取融合方法.?在前端加入有声段检测,并基于人耳听觉感知模型提取伽玛通频率倒谱系数(Gammatone?Frequency?Cepstrum?Coefficient,GFCC)特征,通过主成分分析对特征进行压缩、降噪,融合每个有声段的Teager能量算子倒谱参数,通过高斯混合通用背景模型进行语种识别验证.?实验结果表明,在信噪比为?5～0?dB时,相对于基于对数梅尔尺度滤波器组能量特征方法,融合特征集方法对5种语言的识别率,分别提升了23.7％～34.0