典型文献
混合神经网络的包壳峰值温度预测研究
文献摘要：
为了准确、高效的预测包壳峰值温度,本文提出了一种卷积神经网络-长短期记忆网络的混合神经网络模型.通过混合神经网络模型,充分提取数据局部特征的同时对时间序列信息进行充分的学习,实现了包壳峰值温度的预测.数据结果表明:卷积神经网络-长短期记忆网络的混合神经网络模型单次事故分析时间降低为 0.55 s的同时具备很高的准确性和稳定性.峰值预测精度、序列预测精度、超限概率预测精度、平均绝对百分比误差分别达到了99.527％,91.098％,95.371％,2.522％,均方根误差为49.065.相较于传统的BP神经网络和卷积神经网络方法,卷积神经网络-长短期记忆网络的混合神经网络模型也体现出了明显的优势.
文献关键词：
包壳峰值温度;卷积神经网络;长短期记忆网络;混合神经网络;峰值预测精度;序列预测精度;超限概率预测精度;平均绝对百分比误差
中图分类号：
作者姓名：
孙大彬;李磊;田兆斐;王贺
作者机构：
哈尔滨工程大学 核安全与仿真技术重点学科实验室,黑龙江 哈尔滨 150001
文献出处：
引用格式：
[1]孙大彬;李磊;田兆斐;王贺-.混合神经网络的包壳峰值温度预测研究)[J].哈尔滨工程大学学报,2022(12):1728-1735
A类：
峰值预测精度,超限概率预测精度
B类：
混合神经网络,包壳峰值温度,温度预测,预测研究,长短期记忆网络,分提,提取数据,局部特征,序列信息,数据结果,事故分析,分析时间,序列预测精度,平均绝对百分比误差,神经网络方法
AB值：
0.135516
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
