检索结果

Select

1. 基于时域卷积网络的水文模型

聂青青, 万定生, 朱跃龙, 李致家, 姚成

《计算机应用》唯一官方网站 2022, 42 (6): 1756-1761. DOI: 10.11772/j.issn.1001-9081.2021061366

摘要（347）

HTML （16）

PDF （2132KB）（347）

水位预测是防洪预警工作的辅助决策支持。为了进行准确的水位预测，为预防自然灾害提供科学依据，提出一种结合改进的灰狼优化（MGWO）算法与时域卷积网络（TCN）的预测模型MGWO-TCN。针对标准灰狼优化（GWO）算法存在早熟停滞的不足引入差分进化（DE）算法，扩展灰狼种群的多样性；改进灰狼种群更新时的收敛因子和变异时的变异算子，以自适应的形式对参数进行调整，提升算法的收敛速度，均衡算法的全局与局部搜索能力；利用MGWO算法对TCN的重要参数寻优，提升TCN的预测性能。将MGWO-TCN预测模型用于河流水位预测，预测结果的均方根误差（RMSE）为0.039。实验结果表明，与对比模型相比，MGWO-TCN预测模型具有更好的寻优能力和更高的预测精度。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于子序列全连接和最大团的时间序列模体发现算法

朱跃龙, 朱晓晓, 王继民

计算机应用 2019, 39 (2): 414-420. DOI: 10.11772/j.issn.1001-9081.2018061326

摘要（615）

PDF （1058KB）（399）

针对时间序列模体发现算法计算复杂，并且无法发现多实例模体的问题，提出基于子序列全连接和最大团的时间序列模体发现（TSSJMC）算法。首先，使用快速时间序列子序列全连接算法求得所有子序列之间的距离，生成距离矩阵；然后，设置相似性阈值，将距离矩阵转化为邻接矩阵，构造子序列相似图；最后采用最大团搜索算法从相似图中搜索最大团，最大团的顶点对应的时间序列为包含最多实例的模体。在公开的时间序列数据集上进行实验，选用已有的能够发现多实例模体的Brute Force和Random Projection算法作为对比对象，分别从准确性、效率、可扩展性和鲁棒性对TSSJMC算法进行分析并获得了客观的评判结果。实验结果表明，与Random Projection算法相比，TSSJMC算法在效率、可扩展性和鲁棒性法方面均有明显优势；与Brute Force算法相比，TSSJMC算法发现的模体实例数量虽略低，但其效率和可扩展性都优于Brute Force算法。因此，TSSJMC是质量和效率相平衡的算法。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于滑动窗口预测的水文时间序列异常检测

余宇峰朱跃龙万定生关兴中

计算机应用 2014, 34 (8): 2217-2220. DOI: 10.11772/j.issn.1001-9081.2014.08.2217

摘要（334）

PDF （791KB）（977）

针对水文时间序列分析与决策中存在的数据质量问题，提出了基于滑动窗口预测的水文时间序列异常检测算法。首先基于滑动窗口对时间序列进行子序列分割，再以子序列为基础建立预测模型对未来值进行预测，并将预测值和实测值间差异范围大于预设阈值的序列点判定为异常。探讨了算法中的滑动窗口和参数设置，并以实例数据对算法进行了验证。实验结果表明，所提算法不仅能够有效挖掘出水文时间序列中的异常点，而且将异常检测的灵敏度和特异度分别提高到80%和98%以上。

参考文献 | 相关文章 | 多维度评价