检索结果

Select

1. 基于遗传算法改进的一阶滞后滤波和长短期记忆网络的蓝藻水华预测方法

于家斌, 尚方方, 王小艺, 许继平, 王立, 张慧妍, 郑蕾

计算机应用 2018, 38 (7): 2119-2123. DOI: 10.11772/j.issn.1001-9081.2017122959

摘要（684）

PDF （1003KB）（487）

河湖藻类水华形成过程中所具有的突发性和不确定性，导致对藻类水华爆发预测准确性不高。为解决此问题，以叶绿素a的浓度值作为蓝藻水华演化过程表征指标，提出基于长短期记忆（LSTM）循环神经网络（RNN）蓝藻水华预测模型。首先，用遗传算法改进的一阶滞后滤波（GF）优化算法对数据进行平滑滤波处理；然后，搭建GF-LSTM网络的蓝藻水华预测模型，实现对水华发生的精准预测；最后，以太湖水域梅梁湖区域的采样数据为样本，对预测模型进行检验，并与传统的RNN和LSTM网络进行对比。仿真结果表明，提出的GF-LSTM网络模型平均相对误差控制在16%~18%，而RNN模型的预测平均相对误差为28%~32%，LSTM网络模型的平均相对误差为19%~22%，对采用数据的平滑性处理效果较好，预测精度更高，对样本具有更好的适应性，克服了传统RNN模型在长期训练时出现的梯度消失与梯度爆炸缺点。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于双向误差传播多层神经网络的监测盲区工业废气分布分析方法

汪利伟, 王小艺, 王立, 白玉廷, 卢雨田

计算机应用 2018, 38 (5): 1500-1504. DOI: 10.11772/j.issn.1001-9081.2017102606

摘要（349）

PDF （893KB）（488）

工业园区废气占据大气污染来源总量的70%左右，需建立科学全面的监测机制，但实际上监测区域范围大、部分区域无法布点、气体分布机理建模困难。针对此实际问题及理论分析难点，提出基于双向误差传播多层神经网络（BEMNN）的监测盲区工业废气分布分析方法。首先，针对工业园区内部无法布设监测点的实际情况，提出"边界监测-盲区推理"的废气监测方案；然后，提出一种误差双向传播的多层组合神经网络，对边界与盲区的气体分布关系进行建模，利用边界监测数据推理盲区气体分布情况；最后利用某工业园区实际监测数据训练网络并进行回归推理，所提方法回归计算的平均绝对误差小于28.83 μg，均方根误差小于45.62 μg，相对误差控制在8%~8.88%，说明所提方法具有可行性，准确性可满足解决实际问题的需求。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于包含度理论的软件可靠性多模型综合动态预计

原菊梅侯朝桢王小艺高琳

计算机应用

摘要（1370）

PDF （575KB）（795）

针对软件可靠性工程领域中存在的不同模型预计相同软件可靠性结果不一致、同一软件的失效过程本身不能用单个模型描述的问题，提出了基于包含度理论的软件可靠性多模型综合动态预计方法。首先定义了基于包含度理论的属性重要度，并给出了一种选择包含度函数的方法，然后给出了软件可靠性多模型综合动态预计的步骤。该方法综合了各种可靠性模型的特点(优点)，动态地改变各分模型的权重，使不同类型和特性的模型互相补偿，较好地解决了软件工程中的实际问题。最后通过实例分析验证了该方法的有效性。