排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
建立快速准确的锅炉效率预测模型,选取12个测点作为输入,以锅炉效率作为输出,利用锅炉运行历史数据建立数据集,对比多个时序数据预测模型的效果。结果显示:长短期时间序列网络(Long-and Shortterm Time-series network, LSTNet)模型的平均绝对误差最小,为0.12,该模型的预测效果优于其他模型。对LSTNet模型进行微调,为了提高模型的表达能力,将门控循环单元(Gate Recurrent Unit, GRU)调整为长短期记忆网络(Long Short-Term Memory, LSTM);为了提高模型推理速度,适当缩减LSTM的神经元数量,最终得到长短期时间序列微调网络(LSTNet-Mod)模型,其平均绝对误差为0.027,推理时间缩短了约7.88 s。 相似文献
4.
一、引言 随着列车的运行速度、总重和货车吊车连挂速度的提高,作用于车钩上的纵向力随之增加,因此对车钩的强度也提出了更高的要求.防止货物列车分高事故的发生是铁路货运向重载、高速发展的同时必须解决的一个重要问题.车钩疲劳断裂是导致货物列车分高事故发生的主要原因之一,直接关系到货物列车能否安全可靠地运行. 相似文献
1