典型文献
基于AI技术的危化气体泄露扩散时空演化
文献摘要：
针对传统危化有毒气体泄漏扩散在复杂环境下预测不精确、耗时大、效率低等问题,首先,建立原始输入参数.其次,由原始监测参数形成积分高斯参数以提高预测精度,并将其作为人工智能预测模型的输入.再次,比较分析了基于反向传播神经网络的危化有毒气体泄漏扩散预测模型、基于支持向量机的危化有毒气体泄漏扩散预测模型、基于长短期记忆网络的危化有毒气体泄漏扩散预测模型及基于卷积神经网络的危化有毒气体泄漏扩散预测模型.最后,定性分析了训练集规模对预测模型精确度的影响.
文献关键词：
气体扩散预测;支持向量机;长短期记忆网络;后向传播神经网络;卷积神经网络
中图分类号：
作者姓名：
黎泉;关蔚蔚;李珍宝
作者机构：
兰州工业学院 甘肃 兰州 730050;兰州天泉信息科技有限公司 甘肃 兰州 730030;兰州理工大学 甘肃 兰州 730050
文献出处：
引用格式：
[1]黎泉;关蔚蔚;李珍宝-.基于AI技术的危化气体泄露扩散时空演化)[J].科学与信息化,2022(16):38-40
A类：
气体扩散预测
B类：
化气,气体泄露,时空演化,有毒气体泄漏,泄漏扩散,复杂环境,输入参数,监测参数,智能预测,反向传播神经网络,长短期记忆网络,训练集,后向传播神经网络
AB值：
0.143779
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。
