排序方式: 共有12条查询结果,搜索用时 15 毫秒
11.
为了提高大坝变形数据的预测精度,该文提出一种变分模态分解和长短时记忆神经网络相组合的预测模型.对大坝的历史变形数据进行变分模态分解,利用长短时记忆神经网络进行预测,累加各模态分量的预测值完成重构.以江西省某蓄能水电厂2010-2014年大坝监测数据为例,设置不同的对比实验验证VMI-LSTM组合模型的有效性和稳定性.研究表明:组合模型能够有效减小单一模型的误差,VMD能够将变形序列分解为不同频带的分量,减少非线性、非平稳性对预测精度的干扰,且VMD-LSTM神经网络的预测精度要优于其他模型,对于大幅提升大坝变形的预测精度有一定的参考价值. 相似文献
12.
近年来水污染治理力度不断加大,以无人艇代替有人测量船进行水质取样测量的案例越来越多,如何接收无人艇携带的水质采样设备传感器的数据并进行存储,然后进行水质分析,成为环保监测人员重要的研究内容。本文设计实现了水质监测分析系统,采用串口通信技术实现了对Modbus协议水质取样设备的数据接收,采用地理信息技术实现了对水质数据的可视化和空间分析。 相似文献