基于改进长短时记忆网络的文本分类方法

针对传统长短时记忆网络(long short-term memory,LSTM)在文本分类中无法自动选取最重要潜在语义因素的问题,提出一种改进的LSTM模型。首先,将传统LSTM的运算关系拓展为双向模式,使网络充分记忆输入特征词的前后关联关系;然后在输出层前面增加池化层,以便更好选择找到最重要的潜在语义因素。互联网电影资料库评论数据实验结果表明,该模型优于传统长短时记忆神经网络以及其他同类模型,揭示了改进方案对提高文本分类准确率是有效的。     

基于长短时记忆神经网络的生猪价格预测模型

生猪价格序列的长短周期现象是困扰生猪价格预测的一个难题.针对这一问题,研究了生猪价格序列的波动特点和影响因素,提出了萤火虫算法(firefly algorithm,FA)优化长短时记忆神经网络(long-short term memory,LSTM)的生猪价格预测方法.首先对生猪价格序列进行预处理和分析;然后采用萤火虫...     

潜油电泵试验台的总体设计

设计了一种大功率、双频率、高精度潜油电泵试验系统，分析了其测试原理，介绍了该系统电源的一次回路设计方法。应用结果表明，以低压真空断路器和空气断路器为中心，设计的低压供电部分，可满足试验系统频繁分和与保护的要求。采用多级测量电流互感器、电压互感器组成的测量系统，测量精度可满足电量B级的需要，使高压柜的设计大为简化。用普通变频器和专用正弦波滤波器、电抗器组成的60Hz电源，在一定的范围内，可作为潜油电机的试验电源使用。分组设置的液力流程，可满足多种试验泵性能试验的需要。该系统经过3年多的运行表明，试验精度可达B级试验台的要求。     

潜油电泵试验台的总体设计

设计了一种大功率、双频率、高精度潜油电泵试验系统,分析了其测试原理,介绍了该系统电源的一次回路设计方法。应用结果表明,以低压真空断路器和空气断路器为中心,设计的低压供电部分,可满足试验系统频繁分和与保护的要求。采用多级测量电流互感器、电压互感器组成的测量系统,测量精度可满足电量B级的需要,使高压柜的设计大为简化。用普通变频器和专用正弦波滤波器、电抗器组成的60 Hz电源,在一定的范围内,可作为潜油电机的试验电源使用。分组设置的液力流程,可满足多种试验泵性能试验的需要。该系统经过3年多的运行表明,试验精度可达B级试验台的要求。     

潜油电泵智能控制柜的设计

在进入高含水期的油田开发中,潜油电泵得到广泛应用。控制柜可以控制潜油电泵的启动,停机及运行中的其它动作,有效掌控潜油电机的运行状况,是潜油电泵的重要组成部分。本文设计了一种新型潜油电泵智能控制柜,分析了该设备的技术特点,给出了结构组成及电气原理,进行了室内外的现场实验。结果表明,该装置可以有效地设定预定参数,运行可靠。     

注意力机制的长短时记忆神经网络航线订座需求预测

针对航线订座需求预测中存在的预测结果不稳定,偏差较大的问题,提出了一种基于注意力机制 的长短时记忆神经网络(Long Short-term Memory Neural Network,LSTM)航线订座需求预测模型。首先, 对采集得到的航线订座需求数据进行数据清洗与指标计算处理,接着,对处理后的指标数据基于注意力机 制做权重分配,然后进行 LSTM 航线订座需求预测模型的建立,从而得到航线订座需求的最终预测结果 值。将训练优化得到的模型应用于国内某航司的航线订座需求预测中,计算出预测结果。实验结果表明, 基于注意力机制的 LSTM 航线订座需求预测模型预测精度较高,以厦门-上海为例,预测结果在与真实值 的对比下,平均绝对误差(Mean Absolute Error,MAE)为 13.1,均方根误差(Root Mean Square Error,RMSE) 为 17.2,相比较于移动平均法,指数平滑法,循环神经网络（Recurrent Neural Network,,RNN）,CNN-LSTM 混合模型有较好的预测效果。     

注意力机制的长短时记忆神经网络航线订座需求预测

针对航线订座需求预测中存在的预测结果不稳定,偏差较大的问题,提出一种基于注意力机制的长短时记忆神经网络航线订座需求预测模型. 首先,对采集得到的航线订座需求数据进行数据清洗与指标计算处理;接着,对处理后的指标数据基于注意力机制做权重分配;然后进行长短时记忆神经网络航线订座需求预测模型的建立,从而得到航线订座需求的最终预测结果值. 将训练优化得到的模型应用于国内某航司的航线订座需求预测中,计算出预测结果. 实验结果表明,基于注意力机制的长短时记忆神经网络航线订座需求预测模型预测精度较高,以厦门-上海航线为例,预测结果与真实值对比,平均绝对误差为13.1,均方根误差为17.2,相比较于移动平均法、指数平滑法及循环神经网络,CNN-LSTM混合模型有较好的预测效果.     

潜油电泵系统效率分析

通过测试试验,分析了影响机组系统效率的各种因素。说明系统效率高低取决于潜油电泵设备各部件损耗和运行参数的设置以及管理水平和油井状况。提升潜油电泵产品结构性能、优化油井和参数设计、加强日常管理等措施,可以提高潜油电泵井的系统效率。     

潜油电泵常见故障原因及改进措施分析

在二次和三次采油过程中,潜油电泵机组是应用十分广泛的一种机械采油设备。潜油电泵机组由于其具有举升扬程高及采液排量大等优点,具有其他举升装备所无法比拟的优势。为了潜油电泵机组在采油过程中能够正常的运行,则需要对其进行周期性检修,确保生产过程中任何一个部件都能够处于正常的性能状态下,避免由于故障而导致油井停机事件的发生。     

一种双向长短时记忆循环神经网络的问句语义关系识别方法

提出一种基于双向长短时记忆循环神经网络的问句语义关系识别方法.利用循环神经网络直接从词学习问句的语义特征表示,不需要自然语言处理工具进行特征抽取,有效避免了误差传递问题.同时,在网络中加入双向结构和长短时记忆模块,有效改善传统循环神经网络在训练过程中的"梯度弥散"问题.加入基于主实体位置的分段最大池化操作,相对于传统单一最大池化,能保留问句文本中的有效语义特征.通过在电力领域真实问题集上实验比较,本方法相对于传统方法能有效提升问句语义关系识别的性能,问句语义关系分类结果F1值提高4.5%.     

基于LabVIEW的潜油电泵数据采集系统

应用LabVIEW虚拟仪器现场可编程门阵列(FPGA)对潜油电泵的电压、电流参量进行实时数据采集,通过上位机对采样数据进行分析处理,得到潜油电泵的视在功率、有功功率、无功功率和功率因数,并与电能质量检测仪检测数据进行对照。系统硬件采用NI sbRIO-9606和NI9683夹层板配合使用,突破了传统的依靠DAQ助手的硬件采集,基于现场可编程门阵列(FPGA)的数据采集系统,由软件构成采集功能芯片,可控性强,准确性高,应用性好。实验表明,该系统在误差允许范围内能够对数据进行准确采集。     

基于长短时记忆神经网络的抽油机井故障智能预警

准确预测抽油机井故障对油田生产具有重要意义。针对新疆油田某区块抽油机井故障情况,统计了500口油井的生产数据,明确了结垢、结蜡、杆管腐蚀、杆管疲劳、杆管偏磨5种引发抽油机井故障的主要因素;基于长短时记忆神经网络(long short-term memory networks, LSTM),构建了油井故障智能预警模型;筛选出影响油井故障的14种特征参数进行小波降噪处理,借助自适应矩估计算法对模型进行训练与测试。研究结果表明,模型预测准确率为96.81%,能够为油田提供较为准确的抽油机井故障预警信息。     

潜油电泵偏磨失效机理分析

针对潜油电泵存在偏磨的现象,详细分析了潜油电泵偏磨的失效形态和失效原因.重点讨论了振动对潜油电泵偏磨的影响,指出多级泵的振动是产生偏磨的最主要原因.在此基础上,提出了相应的解决方法.     

2300 V潜油电泵专用变频器

在介绍潜油电泵的传统供电方式的多种弊病之后，阐述了变频供电方式的优越性，进而给出了2300 V 潜油电泵变频器几个特殊要求和解决办法。     

基于双向长短时记忆网络和卷曲神经网络的电力系统暂态稳定评估

基于机器学习方法的暂态稳定评估已成为电力系统分析与控制领域的热点,由于实际系统中存在不能实现PMU的全面覆盖以及数据采集存在噪声的问题,使得传统机器学习方法的评估性能受到较大限制。针对此,构建了一种在PMU最优布点上的时间序列特征,提出了一种将改进卷积神经网络(ICNN)与双向长短时记忆网络(BiLSTM)进行融合的评估方法。该方法首先利用BiLSTM提取电压、相角以及有功功率三种基本电气量的时间序列特征,随后通过卷积和池化操作对数据进行进一步的数据挖掘,最后利用轻量梯度提升机完成对数据的分类。为了避免出现过拟合现象,该方法还通过正则化、Dropout等方式提升模型的泛化性能。在新英格兰10机39节点上的算例表明,该方法能利用基本电气量数据进行暂态稳定评估,且在复杂条件下仍能保持较好的评估性能。     

基于长短时记忆与多影响因子的滑坡位移动态预测

针对传统滑坡位移预测模型存在对历史数据遗忘的问题,提出了一种基于长短时记忆（LSTM）网络的滑坡位移动态预测模型。首先,将滑坡累计位移分解为趋势项位移与波动项位移,利用多项式拟合预测趋势项位移;然后,通过灰色关联度筛选外界诱发因子并运用LSTM模型预测波动项位移;最后,叠加周期项位移与波动项位移,得到累计位移。以新滩滑坡为例,并与RNN模型以及传统静态神经网络模型BP、ELM进行对比分析,采用平均百分比误差（MAPE）,均方根误差（RMSE）,拟合优度（R2）分别对其进行评价。应用结果表明：相比于传统静态模型,LSTM与RNN均适用于滑坡位移动态预测;对比结果显示,LSTM模型具有较好的预测精度,MAPE与RMSE值分别为1.026%、0.327 mm,拟合优度R2为0.978。     

采油潜油电泵配电装置的设计选择

油田采油工程中,电潜泵是应用较多的采油设备之一,电潜泵配电装置设计合理与否,对油井安全生产至关重要。本文通过对潜油电泵参数设计过程进行分析,结合配电设计要求,阐述潜油电泵配电设备电气参数的计算原则,探讨配电设计中经常遇到的一些实际问题,     

潜油电泵井生产系统优化设计方法

以潜油电泵井生产系统协调工作为基础,以油层生产能力为依据,以系统效率最大化为目标,应用节点系统分析方法,建立了潜油电泵井生产系统优化设计的数学模型.并给出了通过该数学模型实现潜油电泵井生产系统优化设计的方法.应用上述方法对BZ25-1B16S、BZ25 -1 C20等10口潜油电泵井进行优化设计.设计值与实际值的对比结果表明,给出的优化设计方法能够对潜油电泵井的产液量和电泵有效总扬程做出预测,使潜油电泵高效运行.     

基于层次分析的长短记忆网络(AHP-LSTM)的食品安全网络舆情预警模型

随着互联网技术的迅猛发展,网络已成为社会舆情的重要阵地,而网络舆情是食品风险预警的一个方向。传统舆情预警模型在指标体系的基础上结合反向传播神经网络（back propagation neural network,BP）等神经网络模型进行分析,存在运行不稳定、预测精度不高等问题。为了解决这些问题,采用具有较高预测精度的长短记忆（long short-term memory,LSTM）网络算法,在网络事件指标体系的基础上引入层次分析法（analytic hierarchy process,AHP）并融合食品安全事件指标数据,将融合结果作为LSTM的期望输出,以建立更为稳定、精度更高的风险预警模型AHP-LSTM。实验结果表明,与传统模型相比,AHP-LSTM对于事件指标数据具有较强的处理能力和较高的预警精度。因此构建基于AHP-LSTM的食品安全事件预警方法,可为相关部门有效防范和管理食品安全网络事件提供一定的理论依据和数据支撑。     

潜油电泵检测装置保温结构优化设计

潜油电泵性能检测试验装置的保温效果是试验得以进行的前提条件。根据各种保温材料的特性进行了复合保温结构的优选,并利用共轭梯度法对复合保温结构各层保温厚度进行了反演。优化设计结果保证了在总保温厚度不变的情况下,保温结构达到了最佳的保温效果。试验结果表明,通过地面循环管道的复合保温结构以及空气夹层的井筒保温,保证了系统中的试验循环水从室温加热到180℃仅需约10h。