Current Location:home > Detailed Browse

Article Detail

基于CNN-LSTM的QAR数据特征提取与预测

Abstracts

针对传统数据驱动的故障诊断方法难以从QAR数据中提取有效特征的问题,提出一种融合卷积神经网络(convolutional neural network,CNN)与长短时记忆网络(long short-term memory,LSTM)的双通道融合模型CNN-LSTM。CNN与LSTM分别作为两个通道,通过注意力机制(attention)融合,从而使模型能同时表达数据在空间维度和时间维度上的特征,并以时间序列预测的方式验证融合模型特征提取的有效性。实验结果表明,双通道融合模型与单一的CNN、LSTM相比,能够更有效地提取数据特征,模型单步预测与多步预测误差平均降低35.3%。为基于QAR数据的故障诊断提供一种新的研究思路。
Download Comment From cooperative journals:《计算机应用研究》 Hits:1686 Downloads:1196
Journal:计算机应用研究
Recommended references: 张鹏,杨涛,刘亚楠,樊志勇,段照斌.(2018).基于CNN-LSTM的QAR数据特征提取与预测.计算机应用研究.[ChinaXiv:201806.00111] (Click&Copy)
Version History
[V1] 2018-06-19 17:07:44 chinaXiv:201806.00111V1 Download
Related Paper

Download

Current Browse

Cross Subject Browse

  • - NO