2024-07-12
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
Hac septimana lego chartam cui titulus Interpretabilis CEEMDAN-FE-LSTM-formatoris hybridorum transformator ad praenuntiandum concentrationes phosphorus totalis in superficie aquae. Haec charta hybrida exemplar pro TP vaticinii proponit. Haec charta hybrida exemplar pro TP vaticinii proponit, nempe exemplar CF-LT. Exemplar innovatively componit plene integratum modum compositionis empirici (EMD) cum sono adaptivo processus, cuiuslibet entropiae analysis, longi temporis retis memoriae (LSTM) et technologiae transformatoris. Cum notitias frequentiae divisionis refectionis technologiarum introducendo, hoc exemplar efficaciter solvit quaestiones nimis aptas et minus aptas, quae proclives sunt ad eventuras cum traditionalis apparatus eruditionis exempla summas rationes dimensiva tractant. Eodem tempore, applicatio mechanismi attentionis exemplum dat CF-LT ad limitationes aliorum exemplorum superandarum, quae difficilia sunt ad diuturnum tempus dependentia inter notitias faciendas, cum praedictiones diuturnae faciunt. Proventus praedictionis monstrant exemplar CF-LT pervenisse determinationis coefficientem (R2) de 0.37 ad 0.87 in certa notitia testium, quae notabilis emendatio fuit 0.05 ad 0.17 (id est 6% ad 85%) comparata ad imperium. exemplum. Praeterea exemplar CF-LT optimum apicem vaticinii perficientur ostendit.
Huius septimanae diurna septimana decocta sunt charta quae inscripta CEEMDAN-FE-LSTM-transformatoris hybridis exemplar interpretatum est ut phosphoro summae concentrationes in aqua superficie praediceret. Haec charta exemplum hybridum introducit, CF-LT, speciatim pro TP praedictionis. Exemplar innovatively integram Ensemble Modum Empiricam Decompositionis (EMD) cum sono adaptivo processui, quamquam entropy analysi, retiacula Longa Brevis Memoria (LSTM) et technologia Transformer. Inducendo data frequentia divisionem et reconstructionem, CF-LT efficaciter alloquitur quaestiones de overfitting et underfitting machinae traditionalis exempla discendi saepe occurrentes cum alta-dimensionali notitia tractantes. Accedit, applicatio mechanismi attentionis dat CF-LT, ut limitationes aliorum exemplorum superandarum in constituendis longi-us dependentiis inter puncta data per longum tempus praedictiones. Proventus praedictionis demonstrant CF-LT decisionem coefficientem consequi (R2) vndique ab 0.37 ad 0,87 in probatis datasets, significans emendationem 0.05 ad 0.17 (vel 6% ad 85%) comparatam ad exempla moderanda. Ceterum CF-LT optimum apicum praesagium perficiendi praebet.
标题： INTERPRETATUS CEEMDAN-FE-LSTM transformator hybrid exemplar praedicendi totalis phosphoro concentratione in superficie aquae
Author: Jiefu Yao, Shuai Chen, Xiaohong Ruan
dimittere;Acta Hydrologiae Volume 629, die Februarii anni 2024, 130609
https://www.sciencedirect.com/science/article/pii/S0022169424000039?via%3Dihub
Haec charta hybrida exemplar pro TP vaticinii proponit. Hoc exemplar (CF-LT) componit plene integratum modum Decompositionis empiricae (EMD) cum sono adaptivo, cuiuslibet entropiae, memoriae brevi temporis et Transformatoris.Data frequentia divisionis refectionemIntroductio efficaciter solvit quaestiones nimis aptas et subaequales quae factae sunt cum praevia machina discendi exempla praebebant summus dimensiva notitia.operam mechanism Hoc problema superat quod haec exempla non longum tempus dependentiae inter notitias et longum tempus praedictiones constituere possunt. Proventus praedictionis monstrant exemplar CF-LT consequi coaefficientem determinationis (R2) de 0.37-0.87 in testi notitiarum statutorum, quae 0.05-0.17 (6%-85%) altior est quam exemplar imperium. Ceterum exemplar CF-LT optimum apicem vaticinii praebebat.
Provectus temporis series analysis methodi CEEMDAN efficaciter reducit modum quaestionis aliasing in traditionalem EMD existentem, addito sono adaptivo ad modum compositionis empirici (EMD). Potest corrumpi signum originale in seriem functionum modi intrinseci (IMFs). Quisque IMF varias notas temporis scalae signi repraesentat, inde analysin complexorum significationum magis intuitivam et accuratam reddit. In hoc studio, CEEMDAN usus est ad processum quotidianum aquae qualitates datae a tribus vigilantia statio in Tai Lake, totali phosphoro defectus et alia aquae qualitates parametri separans ut aqua temperatura, pH, oxygenium dissolutum, etc. in signis in diversis vinculis frequentiae.
Algorithmus S1: Complete Ensemble Empirica Modus Decomposition cum Acta Sonitus (CEEMDAN)
yi ( t ) = y ( t ) + 0 vi ( t ) i = 1 , 2 , ... , n (S1) y^{i}(t)=y(t)+epsilon_0v^i(t)quad i = 1,2, dots, ntag{S1}y*****ego(t)=y*****(t)+ϵ0vego(t)ego=1,2,…,n(S1)
IMF1 i = E 0 ( yi ( t ) ) + r 1 i IMF1 ‾ = 1 n IMF1 i (S2) text{IMF1}_i=E_0(y^i(t))+r^i_1quad overline{text{IMF1} }=frac1ntext{IMF1}_itag{S2}IMF1ego=E0(y*****ego(t))+r****1egoIMF1=n1IMF1ego(S2)
r 1 = yi ( t ) IMF1 ‾ (S3) r_1=y^i(t)-overline{text{IMF1}}tag{S3}r****1=y*****ego(t)−IMF1(S3)
IMF2 ‾ = 1 n i = 1 n E 1 ( r 1 + 1 E 1 ( vi ( t ) ) ) (S4) overline{text{IMF2}}=frac1nsum^n_{i=}E_1(r_1+ epsilon_1E_1(v^i(t))) tag{S4}IMF2=n1ego=1∑nE1(r****1+ϵ1E1(vego(t)))(S4)
y ( t ) = ∑ l = 1 K − 1 IMF1 ‾ + r K (S5) y(t)=sum^{K-1}_{l=1} overline{text{IMF1}}+r_Ktag{S5}y*****(t)=l=1∑K−1IMF1+r****K(S5)
Pro parte CEEMDAN-FE, primum datastas originalis in formandis et probatis datastas dividimus, et deinde CEEMDAN applicamus ut singulas lineas in duabus schedulis in multiplicibus functionibus intrinsecis modos dissolutis (IMFs). Secundum propinquitatem valorum FE uniuscuiusque IMF, in altum frequentiam (IMFH), medium frequentiam (IMFM), humilium frequentiam (IMFL) et verba inclinatio (IMFT) componuntur, quae diversas rationes reflectunt. domini IMF.
Pro parte LSTM-Transformis, in encoder et decoder, stratum absconditum LSTM substituitur a Transformatore positio descriptam ad stabiliendam dependentiam temporalem inter input data. Processus calculi specificae sic est (Figura 2a).
FORMA est ludus theoriae methodus explicandi output cuiusvis exemplar ML.Determinare impulsum inputationis notarum in exemplar output, initus lineamenta z = [ z 1 , . . . , zp ] z = [z1, ..., zp]z**********=[z**********1,...,z**********p]Ex actis altae eruditionis exemplar f.
F = f ( z ) = ϕ 0 + i = 1 M izi (12) F=f(z)=phi_0+sum_{i=}^M phi_iz_i tag{12}F=f*(z**********)=ϕ0+ego=1∑Mϕegoz**********ego(12)
φ i R φ_i Rφego∈RConlationem utriusque notae ad exemplar indicat, quod hac formula datur:
i ( F , x ) = ∑ z ≤ x ∣ z ∣ ! ( M z 1 ) ! M! [ F ( z ) F ( z / i ) ] (13) phi_i(F,x)=sum_{zleq x}frac{|z|!(M-|z|-1)!}{M!}[ F(z)-F(z/i)] tag{13}ϕego(F,x**)=z**********≤x**∑M!∣z**********∣!(M−∣z**********∣−1)
Studium novum exemplar proponit ad uniones phosphororum summas praedicendas. Exemplar CEEM DAN, FE, LSTM et Transformator technologias coniungit et utitur FABULA ad exemplar output interpretandum. Praecipuum propositum huius studii est aestimare effectum propositi CEEMDAN-FE-LSTM-Transformis (CF-LT) exemplar in praenuntiatione intentionis TP ad ostium lacus Tai et applicandi SHAP ad explicandum exitum CF-LT. exemplum. Hoc demonstrare debet factores clavium, qui TP retrahitur in regione et eorum responsiones machinationes.
Summus dimensiva notitia compositionis magnum numerum partium modalium producere potest. Ad hanc problema solvendam, Fuzzy Entropy (FE), efficiens methodus complexionis temporis computandi, coniungi potest cum CEEMDAN. Coniunctio haec CEEMDAN sub-signibus dissolutis efficaciter restaurat, ut numerum exemplorum sub-frequentiae reducat.
Exempla LSMTTransformer relationes inter puncta temporis non adiacentia capere possunt, servata seriei temporis notarum input datarum.
Specimina Transformatoris attentionem adhibent machinae ad correlationes identificandas inter duos locos in certo contextu in disciplina. Inde efficax adeptio notitiarum talium ac notitiarum redundantiarum minuit.
Praecipuae contributiones huius articuli sunt quattuor.
notitia paro : Taihu lacum Basin in inferiore aditu fluminis Yangtze sita est, spatium triginta chiliometrorum quadratorum triginta habens, cum reticulo flumine denso et lacubus numerosis. Taihu lacum est proprium lacum vadum. Labrum habet qualitates climatis humidi in zona subtropica septentrionali, cum temperatura annua mediocris 15-17°C et mediocris annuae praecipitatio 1181 mm. Hoc studium usus aquae qualitate magna notitia ex Statio Yaoxiangqiao, Statio Zhihugang, et Statio Guanduqiao (Figura S2). Hae stationes magnae apud Taihukou sita sunt, clavis nationalis aquae qualitas sectionis taxatio. Data ex Jiangsu Provinciale Environmental Cras Center.
Iudicium Criteria : Perpensa aestimatio exemplaris utitur pluribus indicibus clavis: coëfficientem determinationis (R²), quadratum errorem medium (MSE), et medium absolutum recipis errorem (MAPE). R² modum idoneum metitur inter exemplar praedictum valorem et valorem re. MAPE magnitudinem praedictionis erroris e cento prospectu refert.
Exsequendam singula : Processus experimentalis includit notitia praeprocessus, exemplar disciplinae et probatio. Ratio plena experimentalis constat ad exemplar faciendum aestimare propositae variae notitiae occasum et tempus praedictionis fenestras. Primum, notitia methodi CEEMDAN-FE praeprocessit, quae informationes interventus removet, addito modo compositionis empirici plene integratae cum sonitu adaptivo, excerpendo multarum informationum, et utitur entropia ad numerum sub-signorum reducendum. Deinde, notitia processus processus dividitur in formationem et probationem in proportionibus 75% et 25% positae. In periodo institutionis praeprocessa notitia paroecialis ad exemplar LSTM-Transformatoris initus est. Utere backpropagatione et Adam optimizer ad exemplar ponderum update, et utere require inquisitione ad optimos hyperparametris moduli LSMTTransformis ad recognoscendas formas perficiendas sub diversis fenestris temporis praedictionis (7 dies, 5 dies, 3 dies, 1 dies) optimales.
Eventus experimentalis : Applicata optimae disciplinae exemplar ad certas notitias examinandas, tabula summatim TP praenuntiationes concentratas, quae CF-LT, LSTM, Transformator, CF-L et CF-T exempla in diversis locis et diversis temporis fenestras praesagia comprehendunt. Propositum CF-LT exemplar optimos proventus pro omnibus tribus metricis aestimandis dat. In terminis R2, exemplaribus CF-LT ab 0.37 ad 0.87 vagatur, dum optimae CF-L et CF-T proxime 0.32-0.84 et 0.35-0.86 referuntur. Ex quo patet quod memoriam diuturnam LSTM coniungens cum attentione mechanismi Transformer, accurate praedictum emendare potest. Pessimas LSTM et Transformantis exempla compares cum exemplaribus CF-L et CF-T, mappis iugis ab 8.94%-20.62% (LSTM) et 8.91%-18.73% ad 8.29%-19.56% (CF -L) and 7.82%-17.55% (CF-T). Hi eventus demonstrant notitias compositionis et divisionis frequentiae exemplaribus signanter emendare praedictionem accurationem capiendo plura informationes occultas in notitia originali.
Praedictio factorum quae totum phosphoro TP concentration：
Mediocris valor absolutus SHAP (MASV) ad quantitare collationem linearum inputationis (WT, PH, DO, COD, EC, TU, TN, NH3-N, TP) ad TP praedictionem provenit maior ictum in exemplum vaticinii consequitur. Investigatio ostendit praeter ipsam seriem concentrationis TP praeter praeteritam, totalem nitrogen (TN) ac turbiditatem (TU) esse duas res praecipuas quae praedictionem TP afficiunt. Inde patet mutationes in TP non solum directe ab concentrationibus historicis affectis, sed etiam dynamicis incrementis algae arcte sociatis cum fonte non-puncto pollutionis emissiones et ratione nitrogen-phosphori in corpore aquae. Praesertim, significantes relatio inter TN et TP effectum coniunctionis duorum in lacuum cycli nutrientium effert et effert momentum non-puncti fontis nitrogenii input pro phosphoro concentratio praenuntiationis.
Ex dictis observationes sequentes effici possunt.
Comparatio adversaria cum deflexione et regularizatione : Passim %50%/25%/25% dividendae sunt, sanatio et probatio data occidit. Figura 2 ostendit curvas optimales Pareto pro omnibus modis, ubi punctum anguli recti inferioris specimen agendi repraesentat (praedicatio summa accurationis et infimae declinationis).
Exemplar hybridorum CF-LT in hoc articulo propositum componit CEEM DAN, FE, LSTM et Transformatoris moduli ad TP concentrationem in superficie aquae praedicendam. Hic accessus hybrida solvit defectus exemplarium superfluentium et inhabilitatis causatorum per alta dimensiva data et non posse statuere longum tempus clientelas inter notitias cum praedictiones diuturnum faciens. Accedit, valores SHAP interpretandi exemplar outputa CF-LT adhibentur.
Exemplar notitiarum ex tribus aquae qualitates magnas stationes in Taihu lacum Basin adhibet ad output 9 aquae qualitates indices in diversis fenestris temporis praedictionis. LSTM, Transformator, CF-L et CF-T algorithmorum exempla pro potestate adhibentur. Exemplar CF-LT valorem R2 0,37-0.87 habet, valorem MSE 0.34 × 10−3-1.46 10−3, et TABULA valoris 7.88%-17.63% in testium notitiarum copia, significans omnia tria. Indicatores meliores sunt quam LSTM , Transformator, CF-L, CF-T eventus. Exemplar propositum CF-LT optimum apicem vaticinii etiam produxit. Ex interpretatione SHAP, invenimus TU et TN (exclusis primordiis temporis seriei intentionis TP) magni momenti res ad TP praedictionem pertinentes, quae in TP indicat mutationes non solum ad primos gradus intentionis TP relatas, sed etiam TP affectas. coniunctis. Necessitudo inter fontem non-punctorum pollutionis emissiones et plantas aquatiles in aestuario Taihu Lake. Praeterea animadvertendum est TN et TU plus conferre ad praedictionem TP defectus in tempore pluvioso. Ideo eventus huius studii indicant exemplum CF-LT informationem praebet informationem ad cognoscendam responsionem mechanismum TP cum diversis condicionibus environmental mutatis.
CEEMDAN and FE data preprocessing
def ceemdan_fe_preprocessing(data):
# CEEMDAN分解
imfs, residue = ceemdan(data, **ceemdan_params)
# 计算各个IMF的模糊熵
fe_values = []
for imf in imfs:
fe_values.append(fuzzy_entropy(imf)) # 假定fuzzy_entropy为计算模糊熵的函数
# 根据FE值重组IMFs
imfs_sorted = [imf for _, imf in sorted(zip(fe_values, imfs))]
imf_hf, imf_mf, imf_lf, imf_trend = imfs_sorted[:4], imfs_sorted[4:8], imfs_sorted[8:12], imfs_sorted[12:]
return np.concatenate((imf_hf, imf_mf, imf_lf, imf_trend), axis=1)
# 应用到数据上
preprocessed_data = ceemdan_fe_preprocessing(original_data)
LSTM& Transformer
def get_positional_encoding(max_len, d_model):
pe = np.zeros((max_len, d_model))
position = np.arange(0, max_len).reshape(-1, 1)
div_term = np.exp(np.arange(0, d_model, 2) * -(np.log(10000.0) / d_model))
pe[:, 0::2] = np.sin(position * div_term)
pe[:, 1::2] = np.cos(position * div_term)
return pe
def transformer_encoder(inputs, d_model, num_heads, ff_dim):
x = MultiHeadAttention(num_heads=num_heads, key_dim=d_model)(inputs, inputs)
x = LayerNormalization()(Add()([inputs, x]))
x = Dense(ff_dim, activation='relu')(x)
x = Dense(d_model)(x)
x = LayerNormalization()(Add()([inputs, x]))
return x
def transformer_decoder(inputs, encoder_outputs, d_model, num_heads, ff_dim):
return decoder_output
input_features = Input(shape=(input_shape))
lstm_out = LSTM(lstm_units)(input_features) # LSTM
pos_encodings = get_positional_encoding(max_seq_length, d_model)
transformer_in = Add()([lstm_out, pos_encodings])
transformer_encoded = transformer_encoder(transformer_in, d_model, num_heads, ff_dim)
decoder_output = transformer_decoder(decoder_input, transformer_encoded, d_model, num_heads, ff_dim)
output_layer = Dense(output_dim, activation='linear')(decoder_output)
model = Model(inputs=input_features, outputs=output_layer)
model.compile(optimizer=Adam(learning_rate), loss='mse')
Hoc studium interpretabile CEEMDAN-FE-LSTM-Transformatoris exemplar hybridum evolvit ad praedictionem phosphori totalis defectus in superficie aquae. per FORMA. Effectus experimentales confirmaverunt efficaciam exemplaris, praesertim identificatio factorum environmentalium clavium, praebens validum instrumentum ad aquae corporis eutrophication administrationem ac pollutionem imperium.
[I] Jiefu Yao, Shuai Chen, Xiaohong Ruan. CeEMDAN-FE-LSTM-transformator exemplar hybridorum interpretabile est quod phosphori concentrationes in superficie aquae totales praedicunt. [J]Acta Hydrologiae Volume 629, die Februarii anni 2024, 130609
technologiae technologiae plus quam 30 annos operam dedit et in variis linguis proficit ut java, linux, javascript, php, css, etc. Multas contributiones in aperto fonte campo fecit elit documentorum statione ad communicandas quaestiones technologiarum progressus ad futuram referentiam.
