[1]张丽梅,蔡定霄,郑爱军,等.深度学习在湿度环境量预测中的研究[J].水利与建筑工程学报,2025,(06):192-199.[doi:10.3969/j.issn.1672-1144.2025.06.027]

点击复制

深度学习在湿度环境量预测中的研究()

参考文献/References:

［1］　薛义宽，王禹翔，王　佩，等．基于ＲＮＮ算法和分子模拟设计新的ＳＴＡＴ3抑制剂［Ｊ］．中国生物化学与分子生物学报，2024，40（12）：1732-1741．
［2］　吴　昊，李惠仪，庞伟林．一种基于自适应ＲＮＮ的居民异常用电行为智能检测方法［Ｊ］．人工智能科学与工程，2024（2）：69-77．
［3］　游卉擎，黄鹏程，赵振宇，等．基于ＲＮＮ的标准单元延时预测方法［Ｊ］．郑州大学学报（理学版），2025，57（3）：28-34．
［4］　王亚茹，杨春旺，屈　卓，等．双线性特征融合和ＧＲＵ质量聚合的图像质量评价［Ｊ／ＯＬ］．智能系统学报，1-12．
［2025-08-06］．ｈｔｔｐｓ：／／ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ／ｕｒｌｉｄ／23．1538．ＴＰ．20250806．0912．006．
［5］　宁　悦，阿琴花，包雅心，等．基于门控循环单元和注意力机制的Ｕ型槽微带贴片天线设计［Ｊ］．激光与光电子学进展，2025，62（15）：418-425．
［6］　柳天虹，齐胜利，裔　扬，等．基于分位数回归的改进权重ＧＲＵ风电功率区间预测［Ｊ］．太阳能学报，2024，45（12）：291-298．
［7］　刘翌晗，王　艳，马　浩，等．基于分布式非线性映射和并行输入的ＢｉＬＳＴＭ软测量建模方法［Ｊ］．化工学报，2025，76（7）：3373-3387．
［8］　李鑫帅，贾泽丰，何景源，等．基于ＢｉＬＳＴＭ的猕猴桃根域土壤水分时序反演方法［Ｊ］．农业工程学报，2025，41（2）：112-119．
［9］　畅　晗，金秀章，赵术善，等．基于变量筛选和注意力机制的ＣＮＮ-ＢｉＬＳＴＭ出口ＳＯ2 浓度预测模型［Ｊ］．计量学报，2025，46（7）：1041-1050．
［10］　赵法森，刘飞翔，李泽荃，等．基于ＢｉＬＳＴＭ＋Ａｔｔｅｎｔｉｏｎ模型的煤矿事故隐患自动分类研究［Ｊ］．煤炭科学技术，2022，50（Ｓ2）：210-217．
［11］　秦一菲，段珊珊，曹云皓，等．融合ＸＧＢｏｏｓｔ和ＳＨＡＰ的储粮湿度预测及影响因素分析［Ｊ／ＯＬ］．中国粮油学报，1-11．
［12］　罗凤春，付晓雷，蒋晓蕾，等．基于支持向量机的多层土壤湿度模拟研究［Ｊ／ＯＬ］．水文，1-14．
［13］　张疏桐，张传颂，冯　雄，等．基于Ｋｏｌｍｏｇｏｒｏｖ-Ａｒｎｏｌｄ网络的日光温室温湿度预测及最小建模数据量［Ｊ／ＯＬ］．农业环境科学学报，1-21
［14］　毛晓娟，鲍　彤，荀广连，等．基于ＧＷＯ-ＬＳＴＭ的设施蔬菜温室温度预测［Ｊ］．中国农机化学报，2023，44（1）：116-123．
［15］　智协飞，王　田，季　焱．基于深度学习的中国地面气温的多模式集成预报研究［Ｊ］．大气科学学报，2020，43（3）：435-446．
［16］　张观山，丁小明，何　芬，等．基于ＬＳＴＭ-ＡＴ的温室空气温度预测模型构建［Ｊ］．农业工程学报，2024，40（18）：194-201．
［17］　ＥｌｍａｎＪＬ．Ｆｉｎｄｉｎｇｓｔｒｕｃｔｕｒｅｉｎｔｉｍｅ［Ｊ］．ＣｏｇｎｉｔｉｖｅＳｃｉ-ｅｎｃｅ，1990，14（2）：179-211．
［18］　ＨｏｃｈｒｅｉｔｅｒＳ，ＳｃｈｍｉｄｈｕｂｅｒＪ．Ｌｏｎｇｓｈｏｒｔ-ｔｅｒｍｍｅｍｏｒｙ［Ｊ］．ＮｅｕｒａｌＣｏｍｐｕｔａｔｉｏｎ，1997，9（8）：1735-1780．
［19］　苏　燕，付家源，林　川，等．基于时间注意力机制的大坝动态变形预测模型［Ｊ］．水力发电学报，2022，41（7）：72-84．
［20］　ＢａｈｄａｎａｕＤ，ＣｈｏＫ，ＢｅｎｇｉｏＹ．Ｎｅｕｒａｌｍａｃｈｉｎｅｔｒａｎｓ-ｌａｔｉｏｎｂｙｊｏｉｎｔｌｙｌｅａｒｎｉｎｇｔｏａｌｉｇｎａｎｄｔｒａｎｓｌａｔｅ［Ｃ］／／Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ3ｒｄ ＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ ｏｎＬｅａｒｎｉｎｇＲｅｐｒｅｓｅｎｔａｔｉｏｎｓ（ＩＣＬＲ）．2015．
［21］　杨国清，刘世林，王德意，等．基于Ａｔｔｅｎｔｉｏｎ-ＧＲＵ风速修正和Ｓｔａｃｋｉｎｇ的短期风电功率预测［Ｊ］．太阳能学报，2022，43（12）：273-281．