共查询到19条相似文献，搜索用时 140 毫秒
1.
视频的自动描述任务是计算机视觉领域的一个热点问题.视频描述语句的生成过程需要自然语言处理的知识,并且能够满足输入（视频帧序列）和输出（文本词序列）的长度可变.为此本文结合了最近机器翻译领域取得的进展,设计了基于编码-解码框架的双层LSTM模型.在实验过程中,本文基于构建深度学习框架时重要的表示学习思想,利用卷积神经网络（CNN）提取视频帧的特征向量作为序列转换模型的输入,并比较了不同特征提取方法下对双层LSTM视频描述模型的影响.实验结果表明,本文的模型具有学习序列知识并转化为文本表示的能力. 相似文献
2.
点云分类是激光点云数据处理的重要环节,探索自动、高效、高精度的点云分类方法具有重要意义.通过分析同机获取的LiDAR点云与高分辨率光学影像的特点,提出了融合无人机LiDAR与高分辨率光学影像的点云分类方法.首先将LiDAR点云投影到二维平面并构建不规则三角网模型,然后寻找同名点对完成与光学影像的配准与融合,进而将光学影像的光谱信息赋予无人机LiDAR点云,接着从光学影像上提取光谱特征、从LiDAR点云上提取多尺度几何特征构建分类特征集,进一步通过CFS特征选择算法实现特征集的降维,最后运用随机森林分类算法实现点云分类.实验结果表明,本文分类方法的总体精度可达89.5%,Kappa系数为0.844,与未经特征选择的分类结果相比精度提高了1.1个百分点,与单纯依靠LiDAR或者光学影像的分类相比,精度分别提高了5.4和14.9个百分点.本文方法不仅有效避免了基于点云属性内插构建新的图像融合方式带来的计算误差,同时解决了单尺度下构建几何特征时难以确定最优空间分析尺度的问题,并且对特征集进行优化选择从而有效提高了数据处理的效率. 相似文献
3.
随着大规模的风电并网,风电所具有的间歇性与随机性对电力系统的稳定性产生了很大的影响,风电功率预测成为当前解决该问题重要的方式之一.本文利用长短期记忆（LSTM）网络良好的时序记忆特性,将小波分解技术与LSTM深度网络结合,提出基于小波长短期记忆网络的风电功率超短期概率预测模型.首先通过小波分解技术将原始时间序列进行平稳化处理,再建立各子序列样本的LSTM网络预测模型,借助最大似然估计法估计预测误差的高斯分布函数,最终实现对未来4 h时刻的风电功率概率区间预测.最后,采用中国东北某风电场数据对所提方法进行算例分析,结果表明,将小波分解与深度学习方法结合可以较好地提高预测的精度,提高概率预测的区间可靠性. 相似文献
4.
对说话人意图的识别极大地推进了自然语言理解任务的发展.之前的工作大多采用Bi-LSTM即双向LSTM模型进行词汇特征与词汇之间语义关系的提取,但这并不能很好地使句子整体和构成句子的词汇个体之间的信息进行交流.而S-LSTM（Sentence-state LSTM）模型,即句子状态LSTM模型可以很好地将自然语言中句子整体与词汇个体的信息相结合,以便于我们挖掘与利用意图检测与槽值填充之间的关系成立联合模型来更好地理解应答系统中蕴含的语义.因此,本文引入了‘槽值门’机制解决S-LSTM应用于意图检测与槽填充的联合任务时最新迭代时刻的句子状态信息没有得到充分利用的问题.最终的实验结果在ATIS数据集和Snips数据集上均取得了优于目前最先进算法的结果. 相似文献
5.
分别利用优化蒸散计算（PM方案）、作物系数（CC方案）和二者同时优化（PMCC方案）改进WOFOST模型,基于降水适宜年（2012年）和干旱年（2015年和2018年）在辽宁省锦州开展的玉米分期（4月20日、4月30日和5月10日）播种试验资料评价模型改进效果。结果表明:2012年,PM方案可增大潜在蒸散,CC方案在作物系数小（大）于1时使潜在蒸散减小（增大）;3个方案对叶面积指数、地上生物量和土壤湿度模拟几乎不产生影响。2015年,PM方案的拔节后叶面积指数、地上生物量、产量和土壤湿度较原模型明显减小,蒸腾速率在喇叭口期之前增大,之后减小;CC方案在喇叭口期之前蒸腾速率小于原模型,之后大于原模型,其他4个变量略大于原模型。PMCC方案的各变量模拟值介于PM方案和CC方案之间,3个播期模拟精度叶面积指数分别提高6%,21%和3%,地上生物量分别提高8%,8%和14%,产量分别提高66%,63%和66%。2018年,PMCC方案前两播期地上生物量模拟精度分别提高5%和1%,产量模拟精度分别提高32%和5%。PMCC方案可改善模型在干旱条件下的模型性能。 相似文献
6.
情感分析主要基于文本数据研究人们对于商品、服务、事件等对象的情感、意见或者态度.标记数据稀缺是情感分析领域面临的巨大挑战.在有监督的情感分类任务中,标记数据稀少会导致分类器的效果下降.跨领域的方法能够在一定程度上帮助解决该问题,但领域间往往存在差异.因此在利用领域适应方法进行情感分类时,分类器对目标领域的效果会变差.本文提出利用少量的目标领域标记信息来提高目标领域适应效果的思想.特别地,本文提出了一个基于胶囊网络的跨领域情感分类模型,在此基础框架上,设计了额外的胶囊网络层辅助目标领域的适应.在真实数据集上的实验结果表明,本文提出的模型效果优于以往的研究方法. 相似文献
7.
以欧洲中期天气预报中心的再分析资料ERA5为参考数据,评估由探空数据建立的中国区域88个单站大气加权平均温度（Tm）与地表气温（Ts）线性关系模型的精度.各站Tm-Ts线性模型计算的Tm（计算值）与ERA5 气压层数据积分所得的Tm（参考值）间偏差均方根值（RMSE）为1.8~5.5 K.不同站模型计算值与参考值间存在-1.22~4.54 K 的系统性偏差,且绝大多数测站（82个站）系统性偏差为正值,即模型计算值总体上大于参考值.补偿各站系统性偏差后,模型计算值与参考值间RMSE降为1.5~3.5 K.与使用中国区域统一模型相比,使用单站模型平均能提高0.6 K的Tm计算精度,尤其在中国西部、西北和内蒙区域,精度提高可达1~3.9 K.对所有测站模型计算值和参考值间偏差时序进行分析,发现超过半数测站的偏差存在明显季节性变化. 相似文献
8.
利用2021—2022年4—9月阿克苏地区冰雹云的雷达回波资料，基于轨迹GRU模型和GAN模型共同构建一个深度学习的回波外推模型，应用于强对流（冰雹）天气监测预警。采用分阈值和预报时效的评估方法，对深度学习的回波外推模型预测回波的效果进行分析，结果表明：（1）在30 min预测时间内，随反射率阈值增加，临界成功指数（CSI）和命中率（POD）逐渐降低，虚警率（FAR）先降低后升高，FAR在反射率阈值为35dBZ时最低。（2）在反射率阈值为35 dBZ和相同外推时效的情况下，基于深度学习的回波外推模型和光流法相比，CSI提高0.05~0.15，POD提高0.05~0.15，FAR降低0.05~0.12。（3）在预测反射率阈值为35 dBZ的强对流单体移动路径方面，基于深度学习的回波外推模型与TITAN法相比，预测的单体移动路径会更接近实况单体移动路径。 相似文献
9.
利用甘肃省某风电场2017—2020年测风数据，基于长短期记忆神经网络（LSTM）模型，通过评估不同输入数据和模型时间窗口长度下的预报精度，设计一套适用于风电场的风速超短期快速滚动预报方案。结果表明：通过输入不同的特征变量，在风速的超短期(未来4 h内)预报中，风速自身变化起主导作用，模型输入变量中只加入各高度层的风速能得到更好的模拟效果。通过评估LSTM模拟时间窗口长度L对模拟效果的影响，当时间窗口长度L≤24 h时，模拟效果较好，说明超短期风速变化主要和风速自身临近时刻的变化有关；当L>24 h时，模拟效果快速下降，说明过长的L会削弱模拟能力，降低模拟精度。 通过分析LSTM在未来4 h内的风速模拟能力，发现随着预报时长的增加，模拟精度逐步下降，但在未来2 h内的风速均方根误差RMSE均小于2 m〖DK〗·s-1，结果较为理想，且该方法对计算资源要求不高，经济实用性强，在业务中具有较高的应用潜力。 相似文献
10.
MODIS大气可降水量（PWV）空间分辨率高但易受云雨等环境因素影响,精度不高.GNSS PWV 空间分辨率较低但具有全天候、不受天气影响、精度高的优点.研究表明两者存在显著的线性相关性,结合两者的优点,基于GNSS PWV校正MODIS PWV可获取大面积高精度的PWV.针对传统的线性回归校正模型没有考虑云、气溶胶等的影响使两种数据线性相关性变差的问题,本文在传统的线性校正模型上增加了使用年积日的非线性周期项的方法来构建校正模型.利用2017—2019年香港地区GNSS对流层延迟与MODIS近红外数据,使用频谱分析线性残差项,结果表明残差具有显著的年周期.对比传统模型,本文模型的平均绝对误差、平均相对误差、均方根误差和拟合度都有明显的改善,表明本文模型可行有效且精度较高. 相似文献
11.
Policymakers must understand public opinion to craft effective policies, particularly in highly polarized areas such as environmental policy. However, the literature investigating the factors that drive public opinion on environmental spending largely ignores the role of exogenous events. This article investigates the role that natural disasters, as a form of exogenous shock, play in shaping public opinion. We construct a dataset using the General Social Survey (GSS) and National Oceanic and Atmospheric Administration’s (NOAA) natural disaster data from 1980 to 2018 and use generalized ordered logistic models to analyze the relationship between disasters and environmental opinions in the US. Our findings reveal that the number of disasters that occur significantly drives public support for environmental spending and that different types of disaster have heterogeneous impacts with wildfires and severe winter weather events being the most impactful. These results shed light on the impact of environmental events on public opinion on the environment, helping both researchers and policymakers make sense of dynamic public opinions. 相似文献
12.
基于BCC-CSM季节气候预测模式系统历史回报数据和国家气象信息中心提供的中国地面降水月值数据,通过多方法对比并讨论了影响预测结果的因素,利用长短期记忆（Long Short-Term Memory,LSTM）网络预测2014年和2015年中国夏季降水。结果表明:LSTM网络的预测效果较逐步回归、BP神经网络及模式输出结果有一定优势。参数调优对于LSTM网络预测效果影响较大,重要参数有隐含层节点数、训练次数和学习率。选择合适的起报月份数据有助于提升季节预测的准确性,利用4月起报的数据预测夏季降水效果较好。海冰分量因子对降水季节预测有正贡献。在2014年、2015年夏季降水回报试验中,LSTM网络对降水整体形势有一定的预测能力,Ps评分分别为74分、71分,距平符号一致率分别为55.63%、55.25%,Ps评分的均值高于同期全国会商及业务模式。 相似文献
13.
微博在气象预警信息传播及气象部门收集社会公众信息反馈中发挥了积极作用,并产生了海量级的交互信息,客观分析此类信息对于气象部门及时引领舆论导向和调整发布策略具有较高的参考价值。文中基于2017年1月1日—2020年7月3日大连市重大气象灾害过程,运用自然语言处理、情感分析等方法对大连气象微博中与气象预警相关的评论内容进行情感分析研究。结果表明：公众关注最多的是天气预报准确率、天气过程对于生活影响以及信息发布的及时性。公众对重大天气过程特别是致灾天气过程本身负面评价多于正面,发布策略应根据气象灾害持续时间及时调整预警信息内容和发布频次;公众对大风、冰雹等气象灾害预警信号关注度随季节变化明显,发布策略应针对旅游业、养殖户、种植户等提出专业防范对策;针对发布频率高的大风预警信号,有必要调整业务发布规范,同时关注灾后事件信息的跟踪发布;研究发现,负面情感主要针对天气预报的准确度。 相似文献
14.
15.
16.
以陕西苹果花期为研究对象,针对4个机理性物候模型——顺序模型（SM）、平行模型（PM）、深度休息模型（DRM）和热时模型（TTM）,基于各果区代表站的花期数据及同期气象数据订正模型参数,利用内部检验和交叉验证（留一验证）方法,评价模型在模拟花期上的适用性。结果表明:内部检验时各站点的最适模型不同,总体上,SM和TTM均方根误差略低（3.30 d）;交叉验证时模型表现相当,各模型平均的均方根误差为4.52 d,略优于内部检验。使用单站外推和求平均后外推将TTM参数应用至果区内其他站,这两种方法的均方根误差均优于国外同类研究（10.0 d）,其中单站外推的均方根误差（5.90 d）又高于求平均后外推（7.21 d）。综合考虑模型的复杂性与模拟精度,推荐使用TTM并分果区模拟陕西苹果花期。 相似文献
17.
地质灾害的频繁发生直接或间接地给自然环境和社会带来了不可逆转的巨大危害,近年来我国也在不断加强地质灾害早期识别和防治的力度.合成孔径雷达干涉测量（InSAR）技术以其全天时、全天候、高精度、大范围监测的优势,成为一种重要的形变监测手段.本文以贵州省黔东南州地质灾害隐患排查为例,采用差分干涉测量（D-InSAR）和小基线集（SBAS）时序InSAR技术分别处理了ALOS-2/PALSAR-2和Sentinel-1雷达数据.选取具有代表性的4个隐患点区域重点讨论,结果展示了D-InSAR在大范围地表形变探测以及SBAS在高精度形变监测中的优势,同时表明两种方法在地质灾害隐患普查中可以互相补充,提升地灾隐患的识别能力.此外,获取的隐患点雷达视线方向累积形变序列和平均形变速率,可为贵州省地质灾害防灾减灾提供有价值的参考. 相似文献
18.
Indian Ocean Dipole (IOD) and Equatorial Indian Ocean oscillation (EQUINOO) are important climatic system oscillation events in the Indian Ocean region that affects the Indian summer monsoon rainfall (ISMR). The prime focus of this study is to deliberate the influence of these events on ISMR and an attempt has been made to predict these events for future time scales using a Long short term memory (LSTM) deep learning model. LSTM is a special kind of recurrent neural network (RNN) which specializes in learning long-term dependencies and extracting important features. The features learnt by the model is then ranked using correlational analysis (linear and nonlinear). This approach helps in selecting decisive and imperative set of relevant predictors, which can be employed to predict IOD and EQUINOO. Nonlinear correlational identified predictors are found to forecast with greater precision as to their linear counterparts. The model-calibrated correlation coefficient for IOD and for EQUNIOO was 0.90 and 0.88 respectively at a lead of 5 months. Our proposed model was observed to work at par with the other existing models in terms of various statistical evaluation measures. 相似文献
19.
基于2008—2019年我国台风县(区)灾情的直接经济损失数据,根据经济损失率将台风灾害经济损失风险分为五类,考虑台风灾害的致灾因子和孕灾环境因子共选取10个解释变量,采用五种经典的机器学习算法,包括支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、AdaBoost、XGBoost(Extreme Gradient Boosting Machine)和LightGBM(Light Gradient Boosting Machine),分别构建台风灾害经济损失风险评估模型,选出准确率最高的模型,应用于经典台风过程并进行检验评估。结果表明:基于RF算法的台风灾害经济损失风险模型的准确率最高;利用RF、XGBoost、LightGBM、AdaBoost和SVM算法构建模型的准确率依次为0.69、0.63、0.62、0.45和0.41。选择RF算法构建的台风灾害经济损失风险模型的解释变量表明,致灾因子是最主要的解释变量,其中,降雨导致损失的重要性超过风速。该模型在训练集和测试集上对风险分类的TS评分为0.55和0.51,但对每种风险类别的辨别能力存在差异,对于最低风险和最高风险的分类效果较好,对于较高风险和中等风险的分类能力不足。利用该模型对2017年第13号台风“天鸽”的经济损失进行检验评估,评估结果与实际台风灾害经济损失的风险等级较一致,各风险等级的准确率均达到0.7以上,TS评分在0.58以上,空报率和漏报率分别在0.31和0.25以下。 相似文献