摘要：对云制造环境下物流资源需求进行精准预测的方法展开研究。首先,分析了传统预测方法的不足。其次,设计了一个基于长短时记忆(lstm)预测模型,用于云制造环境下的物流资源需求预测。最后,通过对预测结果进行多方面的评价,可以发现相较于其他方法,文中模型在多因素环境下具有更高的预测精度和更佳预测效果,具有可行性。

摘要：在“智慧矿山”发展战略的推动下,该文旨在对矿区路灯照明系统进行研究。太阳能路灯在矿区的应用成为响应国家“碳达峰、碳中和”政策的一种节能降耗方式。然而,太阳能无可避免地受到天气、季节、昼夜等因素的影响,需要进行节能控制。因此,面向矿区的太阳能智慧路灯系统在传统太阳能路灯技术的基础上进行改进,首先,通过神经网络算法lstm建立能见度预测模型,从而根据预测值切换照明方式,实现节能的目的;其次,搭建完整可靠的软硬件系统及远程控制平台,利用无线通信的方式实现局部组网,使其远程可靠控制;最后,通过设计模拟实验验证本系统的可实施性。面向矿区的太阳能智慧路灯系统以深度学习的方式对未来一段时间内的能见度进行预测,可以根据预测值提前分配电能使用,最大限度减少自然因素的影响,对矿区的照明和节能具有重要意义。