《基于多变量LSTM的工业传感器时序数据预测》PDF+DOC
作者:易利容,王绍宇,殷丽丽,杨青,顾欣
单位:哈尔滨工业大学
出版:《智能计算机与应用》2018年第05期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFDLXZ2018050040
DOC编号:DOCDLXZ2018050049
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于长短时记忆网络的人体姿态检测方法》PDF+DOC2018年第06期 郑毅,李凤,张丽,刘守印
《基于BP神经网络的太阳能收集功率预测研究》PDF+DOC2017年第08期 李玲生,韩崇
《基于SAE和LSTM的下肢外骨骼步态预测方法》PDF+DOC2019年第12期 陈超强,蒋磊,王恒
《基于稀疏表达和RBF神经网络的交通流预测方法》PDF+DOC2014年第05期 史世雄,王敏捷
《基于电子鼻和神经网络对广式香肠脂肪氧化的评价》PDF+DOC2016年第24期 顾欣哲,吴振川,刘芮瑜,尹涛,何淑文,屠康,潘磊庆
《基于智能预测算法的平菇栽培室内温湿度控制》PDF+DOC2020年第01期 阳明霞
《基于人工智能的多传感器多目标无源定位仿真》PDF+DOC2020年第09期 苏虹
《电子鼻技术在谷物霉变识别中的应用》PDF+DOC2005年第03期 潘天红,陈山,赵德安
《基于多传感器和485总线智能船舶火灾报警器》PDF+DOC2011年第05期 徐栋,黄继业
《基于多参数和特征层融合的化学品燃爆状态辨识方法》PDF+DOC2011年第04期 叶树亮,张晟
传感器时序数据预测作为工业自动化和智能化的关键过程,对于自动化生产监督、风险预防和技术改进等具有重要意义。考虑到传统基于统计学的时序分析方法通用性弱、普通循环神经网络模型存在长期依赖的不足,针对工业设备温度、压力和电流强度等时序数据预测问题,提出了一种基于多变量分析的长短时记忆神经网络时序预测方法,该方法利用数据的远距离信息和多变量相关性,有效地提高了工业传感器时序数据预测的准确性。实验选取瑞典某公司的机械装载传感器数据用于训练和测试,通过与单变量长短时记忆模型以及其它主流时序预测算法比较,证明了该方法具备较好的预测性能和通用性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。