云南高校图书馆联盟文献共享服务平台- STL

STL: 作品数：578被引量：1218H指数：16; 导出分析报告; 相关领域：自动化与计算机技术更多>>; 相关作者：陈立亮刘瑞祥李德群周华民黄树槐更多>>; 相关机构：华中科技大学武汉理工大学上海交通大学西安交通大学更多>>; 相关期刊：更多>>; 相关基金：国家自然科学基金国家高技术研究发展计划国家重点基础研究发展计划国家教育部博士点基金更多>>

Comparative study on vibro-acoustic properties of sandwich shells containing functionally-graded porous materials in a thermal environment: 《Applied Mathematics and Mechanics(English Edition)》2025年第5期947-964,共18页Xinbiao XIAO Xinte WANG Jian HAN Yuanpeng HE; Project supported by the National Natural Science Foundation of China (No. U1934203)。; The dynamics of functionally-graded(FG) sandwich shells with varied pore distributions in thermal environments is investigated,focusing on their free vibration behaviors and sound transmission loss(STL) characteristic...; 关键词：functionally-graded(FG)porous material cylindrical shell thermal environment sound transmission loss(STL) vibro-acoustic coupling

基于STL-TCN模型的水质多步预测研究: 《黑龙江水利科技》2025年第4期1-7,22,共8页张思萱康燕宋金玲孙逊刘晓晴; 河北省省级科技计划资助(21370103D);2023年度河北省高等学校科学研究项目(ZC2023123);河北省软件工程重点实验室项目(22567637H);河北省软件工程重点实验室开放课题(KF2307);河北省农业数据智能感知与应用技术创新中心开放课题(ADIC2023Y006,ADIC2023Y004,ADIC2023Y005)。; 对水质情况进行准确评估和预测对水污染防控至关重要,然而,由于水质受多种因素的影响,其时间序列数据常常具有趋势性、季节性和长期依赖关系,传统的预测方法往往无法很好地捕捉这些特征。为了解决这些问题,首先基于STL(Seasonal and Tre...; 关键词：水质多步预测时间序列数据预测性能 STL模型 TCN模型

基于STL-CEEMDAN-LSTM模型的月径流量预测: 《人民珠江》2025年第4期39-46,共8页汪海沈延青祁善胜潘红忠霍建贞王战策; 智慧长江与水电科学湖北省重点实验室开放研究基金项目(242202000923)。; 针对月径流序列非线性和非平稳性的特点,尝试将二次分解方法和机器学习相组合构建模型对月径流进行预测。该模型采用周期趋势分解(Seasonal and Trend Decomposition Vsing Loess,STL)将实测月径流序列分解为频率不同的趋势项、季节项...; 关键词：径流预测模态分解长短时记忆神经网络黄河上游

基于STL-LSTM的唐山市地表径流预测研究: 《陕西水利》2025年第4期26-28,31,共4页时玉涛; 采用STL方法,将1958年~2023年的月度地表径流量数据分解为趋势项、季节项和残差项,并利用LSTM模型进行预测,得到最终的径流量预测值。结果显示,LSTM模型在训练集和验证集上的拟合优度分别为0.95和0.94,均方根误差分别为4.9 mm和1.4 mm,...; 关键词：唐山市 STL LSTM 地表径流量

基于SVM-SARIMA-LSTM模型的城市用水量实时预测: 《水电能源科学》2025年第3期36-39,6,共5页李轩吴永强王佳伟杨伟超张天洋; 河北省教育厅青年拔尖人才项目(BJK202305)。; 为提高气象波动下城市用水量预测精度,通过季节性分解的趋势—季节性—残差程序(STL)将城市时用水量分解为趋势分量、季节性分量和残差分量3部分,使用季节性自回归移动平均模型(SARIMA)对季节性部分进行捕捉,利用支持向量机(SVM)提取趋...; 关键词：SARIMA模型支持向量机长短时记忆神经网络 SVM-SARIMA-LSTM模型 STL分解程序气象因素用水量预测

基于STL的GNSS高程时间序列分析: 《水利水电快报》2025年第3期52-58,共7页李辰风田坤陈文; 长江三峡勘测研究院有限公司(武汉)科研项目(SXYKY-2023-08)。; 为了解决大规模GNSS坐标序列季节性信号和长期趋势项分离时的效率问题,引入基于局部加权回归的季节项趋势分解(STL)方法,分析该方法在GNSS时间序列分析中的应用效果。通过比较分析,利用STL分离提取模拟信号和GNSS高程时间序列的季节项...; 关键词：卫星大地测量 STL GNSS 时间序列季节性信号

沉管隧道长期沉降预测模型研究: 《建筑机械》2025年第3期211-215,220,共6页胡晓勇郑万坤; 文章针对沉管隧道沉降监测数据非线性、非平稳的特点,提出1种基于STL分解的GRU-ARIMA组合预测模型,可更好地兼顾沉管隧道沉降长期发展趋势和波动特征。利用STL分解将沉降监测数据分解为趋势分量、周期分量和噪音分量,采用GRU循环神经网...; 关键词：沉管隧道沉降监测 STL分解 GRU循环神经网络 ARIMA模型

基于STL时序分解的天然径流演变规律与影响因素分析: 《水利学报》2025年第2期216-226,239,共12页赵轶琳刘文丰李政徐宗学阳坤吴德丰; 国家自然科学基金项目(32361143871,52239002);中央高校基本科研业务费专项项目(2024RC033)。; 河川径流作为衡量区域水资源量的重要指标,其长期变化呈现出显著的时空变异特征。既往研究多针对实测径流且未剔除短期因素的影响。为揭示天然径流的变化规律,并探究其影响机制,本研究选择1979—2018年我国天然径流格点数据集与区域地...; 关键词：天然径流三级流域 STL分解径流趋势影响因素

融合时序分解的STL-Attention-LSTM模型在昆山市PM_(2.5)预测中的应用: 《科技通报》2025年第2期78-84,90,共8页陈广银俞卫姜欣张霄汉; 昆山市(社会发展)重点研发计划(KS2315)。; 为了有效应对高浓度PM_(2.5)对公众呼吸系统和心血管系统造成的潜在健康风险,开发能够及时预警恶劣空气质量的模型尤为重要。本文针对当前PM_(2.5)浓度预测模型普遍忽略其周期性和趋势性的问题,提出了一种融合时序分解的STL-Attention-L...; 关键词：PM_(2.5)预测时序分解 Attention-LSTM 昆山市

基于STL-XGBoost-KDE组合优化模型的生鲜区间价格预测: 《江西科学》2025年第1期126-131,共6页陈兴琪詹棠森; 国家自然科学基金项目(71763013);江西省教育厅学位办项目(JXYJG-2023-160)。; 通过探索生鲜价格波动研究,构建了基于STL-XGBoost-KDE区间预测模型。对于单STL模型难以分离灵活的趋势和季节性数据的问题,引入Loess方法进行处理再分解,将分解得到的分量与原始价格数据作为输入,选择灵活性和可扩展性的XGBoost模型进...; 关键词：时间序列分解区间预测高斯核密度估计累积分布函数

STL