数据会因属性不同而被分别记录，但是这些数据具有时空上的相关性，因此他们可以被归为同一种类进行分析，文章在长短时记忆网络(LSTM)的基础上，提出多维LSTM预测模型对同一类型不同属性的数据进行同步预测。和传统的一维数据预测方法相比，多维LSTM预测模型的优势在于其在预测的同时能够反映不同种类数据之间的关联性。货运量数据（铁路、公路和民航）实验的结果表明，多维LSTM的预测结果优于向量自回归模型。

本文针对互联网财经新闻中对于股票市场涨跌的舆论观点，进行文本分析和建模，建立了股票市场领域情感词典，用于对互联网财经新闻文本数据进行积极、消极与中立情绪的情感分析。在情感分析过程中考虑否定副词和转义词，随后建立情感特征并采用时间卷积长短时记忆神经网络对沪深300股票指数进行预测。本文利用Word2Vec方法对大量互联网财经新闻进行训练，以半监督的方式构建互联网新闻语境股票市场领域中文情感词典，该词典能够有效地对股票市场相关新闻中所蕴含的股市涨跌观点和情绪进行识别。为充分利用文本和时序特征，本研究提出了时间卷积与长短时记忆网络相结合的模型TCN-LSTM。经过实证分析对比发现，TCN-LSTM模型的方向预测和短期数值预测效果优于其他深度学习模型。本研究提出了面向特定舆情主题的情感词典构建方法，建立了用于股市预测的互联网新闻情感词典。同时，也发展了利用深度学习方法进行金融时间序列预测的新方法。时间卷积和长短时记忆机制的集成解决了特征提取时局部和长期的权衡问题，对深度学习在金融预测领域应用效果的提高有较为重要的意义。

首先论述了传统铁路货运量预测方法的不足,然后介绍了广义回归神经网络预测模型以及将数据输入基于广义回归神经网络预测模型之前,采用数据筛选和模糊聚类相结合的特征选择方法,最后以广州为例,对该方法进行了验证。

首先建立基于遗传BP神经网络的滚装运输市场货运量预测模型,然后采用川江滚装运输年度数据进行神经网络训练与预测。结果表明,遗传BP神经网络算法在预测的精度与收敛速度上均优于传统预测算法。预测结果为川江滚装运输企业战略规划和滚装运输竞争力的提高提供了决策支持。

煤自燃是煤矿的主要自然灾害之一。煤自燃的物理化学过程十分复杂,且影响因素众多,给煤自燃危险性的预测带来很大的挑战。利用深度学习理论与方法加强对煤自燃危险性预测技术的研究,有助于提升煤矿安全生产智能化管控水平。该研究运用循环神经网络(RNN)、长短期记忆(LSTM)网络和门控循环单元(GRU) 3种算法,建立了采空区CO动态序列预测模型。对数据集进行特征变量分布检验以及数据归一化处理,降低了变量依赖性。在模型构建过程中,添加了全连接层和Dropout类以避免模型出现过拟合,通过均方误差确定模型的选代次数,引入了平均绝对误差、均方根误差和确定系数3个模型性能检验指标,分析优化了模型的参数,检验了模型性能。研究结果表明:RNN、 LSTM和GRU模型均能实现对CO体积分数的动态预测,且误差小于1%;在同一序列数据下, LSTM模型预测精度最高,其次是RNN模型和GRU模型。

本研究以上海市两所培智学校的50名四至九年级中度智障学生为被试,采用混合实验设计,编制了数字、汉字和图片三种记忆材料,以视觉、听觉、视听结合三种不同呈现方式对中度智障儿童进行短时记忆广度研究,旨在探讨中度智障儿童短时记忆广度的特点及影响因素。研究结果表明:中度智障儿童的短时记忆广度小于普通儿童;按顺序回忆时的短时记忆广度明显小于忽略顺序时的记忆广度;不同刺激呈现方式对中度智障儿童的短时记忆广度存在显著影响,视听结合呈现方式时的短时记忆广度显著大于单一视觉或听觉呈现方式;不同材料类型对中度智障儿童的短时记忆广度存在显著影响,数字的短时记忆广度显著大于汉字和图片,图片的短时记忆广度大于汉字;中度智...

本文从短时记忆编码方式、容量、编码方式与容量关系及短时记忆与阅读关系的角度 ,回顾了国内外关于聋人短时记忆的研究 ,提出了今后聋人短时记忆研究的思路

本实验以视觉系列呈现方式 ,在形近、音近、义近三种干扰下以再认方法比较了听力正常人与聋人对字频与笔画二种不同水平汉字材料的短时记忆容量及编码方式 ,研究结果表明 :( 1 )聋人与听力正常人短时记忆容量差别有限 ,只存在于低频复杂汉字组中。 ( 2 )高频字中 ,聋人短时记忆编码以形码为主 ,义码次之 ,音码最弱 ;听力正常人则以音码为主 ,义码次之 ,形码作用最弱。 ( 3 )低频字中 ,低频简单组中表现出与高频字相同的编码方式 ,低频复杂组中聋人与听力正常人均表现形码、义码为主 ,音码作用弱的特点

文章采用实验与访谈的方式,探究了目标词的显性与隐性注释超链接对我国非英语专业学生在超媒体环境中阅读英语文本及词汇长短时记忆效果的影响。结果表明:与目标词无注释超链接文本相比,目标词有注释超链接文本能显著提高学生的阅读理解效果,而与隐性注释超链接文本相比,显性注释超链接文本对于提高学生的阅读理解效果更为有效;与目标词隐性注释超链接文本相比,显性注释超链接文本仅对词汇的短时记忆效果与保持产生积极影响,而对词汇的长时记忆效果影响不大。

为了探讨汉语阅读困难和普通儿童短时记忆缺陷的原因,本研究从北京13个小学筛选出阅读困难儿童并配以相当数量的正常阅读儿童参加数字、汉字短时记忆及阅读测试。方差分析和分层回归分析表明阅读困难者短时记忆显著落后于普通读者,短时记忆的缺陷存在于记忆容量和提取效率上,且受阅读能力的影响。

本文分析了认识心理学中的短时记忆及其与听力理解的关系,指出短时记忆容量的大小以及能否及时将短时记忆转化为长时记忆是影响学习者英语听力水平提高的主要因素。针对大一新生在两方面提出了如何在课堂上加强短时记忆的训练:一是选择合适的听力材料;二是培养学生良好的听力习惯。

首先运用灰色关联分析法对襄阳市货运量及其影响因素进行分析,得出影响襄阳市货运量变化的主要因素有地区生产总值(GDP)、第二产业产值、第三产业产值、全社会交通运输行业固定资产投资、进出口总值、社会消费品零售总额和人均GDP,然后将这些因素作为遗传神经网络的输入神经元,建立物流货运量预测的遗传神经网络模型,并对其进行训练;最后用训练好的模型预测2017-2019年襄阳市物流货运量。结果显示,基于灰色关联分析的遗传神经网络模型预测的平均相对误差为0.215 3%,预测精度较高,在物流货运量预测方面具有一定的参考价值。

为了对乌江干流货运量及货运结构进行准确预测，首先采用产销平衡分析的方法，对乌江干流腹地的主要货种产量和待运量进行预测，然后根据乌江货运量占贵州省货物水运量的比重基本稳定的预测思路，建立组合预测模型对乌江水运量进行预测，得到预测通过能力下的乌江干流货运量和货物结构。预测结果表明，乌江航道必须考虑翻坝运输才能解决乌江航道上通航设施通过能力不足的瓶颈问题。

【目的】木材密度不仅与木材的各种材性密切相关，而且是衡量木材质量与价值的重要指标。采用近红外光谱（Near infrared spectroscopy, NIRS）分析技术能够快速、高效地预测木材密度，避免了传统试验中繁琐的检测步骤。长短期记忆网络(Long short-term memory network, LSTM)作为循环神经网络(Recurrent neural network, RNN)的变体，不仅可以学习序列数据之间的高阶特征信息，而且克服了RNN中的长距离依赖、梯度爆炸与梯度消失等问题。将LSTM与NIRS结合，提出一种能够准确预测樟子松木材气干密度的无损检测技术，为提高NIRS模型预测木材气干密度精度提供理论依据。【方法】该研究以樟子松木材样本为研究对象，用近红外光谱仪获得106个樟子松样本的光谱数据，并在恒温（20±2℃）恒湿（65%±3%）的环境下测定样本的气干密度。通过对比多组预处理方法和特征选择方法，采用Savitzky-Golay卷积平滑（Savitzky-Golay smoothing,SGS）等方法进行预处理，采用竞争性自适应加权算法（Competitive adaptive reweighted sampling, CARS）进行波段选择，剔除NIRS数据中的高频噪声与冗余信息，提升光谱数据质量、建模速度与精度。为验证LSTM模型预测能力，将其与偏最小二乘回归(Partial least squares regression, PSLR)、卷积神经网络(Convolution neural network, CNN)等建模算法对比分析。上述3种算法被分别应用于建立樟子松木材气干密度近红外预测模型。【结果】基于上述3种建模方法建立的NIRS模型均可实现樟子松气干密度的有效预测。且LSTM模型的预测精度与回归拟合度均优于PLSR与CNN模型。其中SGS+CARS处理后的LSTM模型的预测精度最高、泛化性能最强、拟合效果最好（R2=0.959,RMSEP=0.005,RPD=5.033）。【结论】通过对樟子松木材光谱数据与气干密度的采集，建立了一种新型的基于NIRS分析技术与LSTM的木材气干密度检测方法。LSTM预测模型相较于传统的回归模型，模型的预测精度更高，回归效果更好，鲁棒性更强。该检测方法既可保证木材的完整性，又可以提高气干密度的预测精度，实现了对樟子松木材气干密度的快速无损检测，为木材近红外光谱分析提供了可参考的模型与理论依据。

城市化进程提升促使城市环境污染加剧、能源消耗激增、人口密度过大等问题的深层次原因在于城市代谢失调。为精准预测北京市城市代谢变化趋势,论文通过能源消费量及人类活动时间指标测算了1980—2016年北京市体外能代谢率,表征城市代谢程度。据此运用长短期记忆神经网络模型(LSTM)预测了2017—2022年北京各部门体外能代谢率。结果表明:①基于长短期记忆神经网络的城市代谢预测模型精度较高,能够对北京各部门体外能代谢率进行更为精准的预测;②2017—2022年间,北京第一产业和总体外能代谢率呈下降趋势,其中第一产业在2017年达到峰值,第二、第三产业及生活部门体外能代谢率将呈现增长趋势。③除第一、第三产业和总体外能代谢率外,历史变化的时间扰动幅度先小后大。④对各部门体外能代谢率EMRT的影响贡献度最大的因子为第二产业体外能代谢率EMR2,最小的为第一产业体外能代谢率EMR1。论文研究结果可为政策制定者优化城市管理方案、提升城市综合实力提供理论依据和决策支持。