CN113468764B 基于时间序列的海缆状态预测方法 （西南石油大学）_第1页
CN113468764B 基于时间序列的海缆状态预测方法 （西南石油大学）_第2页
CN113468764B 基于时间序列的海缆状态预测方法 （西南石油大学）_第3页
CN113468764B 基于时间序列的海缆状态预测方法 （西南石油大学）_第4页
CN113468764B 基于时间序列的海缆状态预测方法 （西南石油大学）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于基于时间序列的海海缆状态变量预测模型充分挖掘海缆的历史状利用人工智能方法进行海缆状态预测的适用性2遗忘门：=sig3海缆单变量状态预测模型的神经网络输入输出节点个数都为1；海缆多变量状态预测根据海缆状态变量预测模型所需的参数要求，对获取的海缆数据进获取4个最新的海缆6个状态变量的监测值，输入到多变量测的方式得到海缆6个状态变量后面12步的预测值并存入数据库；设置海缆多变量状态预4预测方法，具体是指如何利用海缆的历史状态数据来预测海缆未来时间的状态参数的方于BOTDR监测数据的光纤复合海底电缆状态预测[J].电测与仪表,2015,52(003):48-53.使用基于加权最小二乘支持向量机的海缆BOTDR监测数据多步预测模型对海底电缆的[0005]为了解决上述存在的问题，本发明提出一种基于时间序列的海缆状态预测方5[0021]其中，表示遗忘门在t时刻输入i个变量的值；表示遗忘门在t时刻输入i个6[0027]其中，表示记忆单元在r时刻输入i个变量的值；表示隐藏层在时刻输入i个变量的值。[0033]海缆单变量状态预测模型的神经网络输入输出节点个数都为1；海缆多变量状态[0036]根据海缆状态变量预测模型所需的参数要求，对获取的海缆数据进行数据预处7[0044]获取海缆状态变量的4个最新的海缆单变量监测值，输入到海缆单变量状态预测动预测的方式得到海缆6个状态变量后面12步的预测值并存入数据库。设置海缆多变量状[0060]2.如权利要求1所述基于时间8[0071]其中，表示遗忘门在t时刻输入i个变量的值；表示遗忘门在t时刻输入i个[0077]其中，表示记忆单元在r时刻输入i个变量的值；表示隐藏层在时刻输入i个变量的值。9[0083]海缆单变量状态预测模型的神经网络输入输出节点个数都为1；海缆多变量状态[0086]根据海缆状态变量预测模型所需的参数要求，对获取的海缆数据进行数据预处[0091

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论