模型利用EEMD对原始数据序列进行分解,并计算每个分量序列的样本熵,以原始序列样本熵作为基准进行重构,再对重构后的各序列建立LSTM模型进行预测,最后把各预测值叠加以得到最终预测结果.以某混凝土拱坝为例,将该模型预测结果与EMD-LSTM,LSTM和SVM模型的预测结果进行对比,结果表明EEMD-SE-LSTM模型具有更高的预测精度,在...
SE-LSTM是一种结合了收益率序列的波动率预测模型,可以充分利用股票价格的信息,提高预测的准确性。 3. 实证结果分析 本文通过对中证500指数的日内波动率进行预测分析,得到了以下实证结果。 3.1 描述性统计分析 通过对中证500指数的日内波动率进行描述性统计分析,可以发现其具有一定的波动性和周期性。 3.2 时间序列...
these three components are input into the LSTM neural network,respectively.Combined with the predicted values of the three components,the overall power prediction results are obtained.The simulation shows that ICEEMDAN-SE-LSTM achieves higher prediction accuracy ranging from 1.57%to 9.46%than other ...
基于CEEMDAN-SE和LSTM神经网络的PM10浓度预测 开具论文收录证明 >> 文献代查 >> 文献数据库(团队版) >> 页面导航 著录项 相似文献 相关主题 著录项 《环境工程》|2020年第2期|107-113|共7页 作者单位 河北工业大学人工智能与数据科学学院 天津300401; 河北建投能源投资股份有限公司 石家庄050001;...
these three components are input into the LSTM neural network,respectively.Combined with the predicted values of the three components,the overall power prediction results are obtained.The simulation shows that ICEEMDAN-SE-LSTM achieves higher prediction accuracy ranging from 1.57%to 9.46%than other ...
A convolutional LSTM neural network for precipitation nowcasting based on weather radar data Network (1dCNN), Convolutional Neural Network Long Short-Term Memory (CNN-LSTM), and Gated Recurrent Unit (GRU) for forecasting wind speed and direction... AAS Jorge,MG Quiles,IC Costa,... 被引量: 0...
不确定和否定信息抽取,是自然语言处理领域中的重要任务和研究热点.针对不确定和否定作用范围识别任务,提出一种基于两层双向LSTM神经网络的作用范围识别方法.首先,对于从线索词到达词语的句法路径,使用第1层双向LSTM神经网络从中学习到有用特征;接着,将词法特征与句法路径特征一起组成当前词语的特征表示;最后,将作用范围...
(2)利用Tensor Flow框架建立了LSTM(Long Short-Term Memory,长短时记忆网络)模型,使用构建的两种数据集训练模型并调整模型参数,得到了基于智能手机加速度传感器运动轨迹识别的L3-50模型及基于智能手机加速度传感器和陀螺仪运动轨迹识别的L5-70模型。(3)以智能车为实验平台,利用智能手机运动轨迹识别模型构建了人车交互...
https://arxiv.org/pdf/2210.17111.pdf 2022-11-2 1.数据标准化:均值、方差为数据集的均值、方差 2.随着卷积层的增加,F1降低 3.过采样会增加F1
本文在基于LSTM的特征提取与分类模型的基础上,提出将注意力机制与Bi-LSTM模型相结合的策略来解决文本分类问题,进一步提升分类模型的性能。融合注意力机制后的Bi-LSTM模型能够通过计算中间状态与最终状态之间的相关关系得到关于注意力的概率分布,目的在于对每一时刻下的状态加以不同的权重,能够在保留有效信息的基础上,最...