检索结果-南通市图书馆

维普期刊数据库博看期刊

基于相空间重构的门控循环网络短期风速预测模型

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2022年第15期45卷 93-98页

作者：葛宽宽王晓晶代怡重肖群新疆大学电气工程学院新疆乌鲁木齐830047

高精度的短期风速预测在一定程度上可以提高风资源评估的准确度,但因风速高度随机性导致预测难度较大,为了提升风速预测的精度,首先对风速混沌特性进行分析,验证其是否具有混沌特性,在此基础上提出一种基于变分模态分解(VMD)、相空间重... 详细信息

高精度的短期风速预测在一定程度上可以提高风资源评估的准确度,但因风速高度随机性导致预测难度较大,为了提升风速预测的精度,首先对风速混沌特性进行分析,验证其是否具有混沌特性,在此基础上提出一种基于变分模态分解(VMD)、相空间重构(PSR)和门控循环神经网络(GRU)相结合的短期风速预测模型。将原始风速数据通过VMD分解为若干子序列并对各子序列进行PSR技术优化处理,可以使样本更加符合实际风速的变化,起到对风速降噪的作用;接着用处理过的各子序列对GRU预测模型训练并预测,最后求和得出风速预测结果。以上海某地为例,将预测结果与实际风速值进行对比分析,分析结果表明:所建模型能有效提高风速预测精度,在预测准确度上优于单一预测模型,验证了所提模型的有效性和合理性。

关键词：风速预测混沌特性风资源评估变分模态分解相空间重构门控循环网络数据预处理预测模型

基于门控循环网络融合多源数据的风电齿轮箱状态预警方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2021年第8期42卷 421-425页

作者：雍彬陈进张方红汤宝平重庆大学机械工程学院重庆400044 中国船舶重工集团海装风电股份有限公司重庆401122

多源数据融合是风电齿轮箱状态预警的有效方法,针对现有机器学习方法在融合风电多源数据时未考虑时序信息导致状态预警精度不高的问题,提出基于门控循环(GRU)网络融合多源数据的风电齿轮箱状态预警方法。首先,选择对环境影响不敏感的风... 详细信息

多源数据融合是风电齿轮箱状态预警的有效方法,针对现有机器学习方法在融合风电多源数据时未考虑时序信息导致状态预警精度不高的问题,提出基于门控循环(GRU)网络融合多源数据的风电齿轮箱状态预警方法。首先,选择对环境影响不敏感的风电齿轮箱油液压力作为状态预警模型的预测量,采用相关系数法选择与油液压力关联密切的数据采集与监控(SCADA)参数作为预警模型的输入量;然后,通过GRU的链式结构和门函数对SCADA参数的时序特征进行融合,得出预测值并计算残差;最后,根据残差的变化趋势进行风电齿轮箱状态预警。某风场运行数据状态预警结果表明所提方法的有效性。

关键词：风电机组状态监测门控循环网络多源数据融合齿轮箱

在线全文

学校读者我要写书评

暂无评论

基于时间门控循环网络的用户行为序列建模

基于时间门控循环网络的用户行为序列建模

作者：高奔浙江大学

学位级别：硕士

作为个性化搜索和推荐系统的核心,用户行为建模决定着个性化系统的效果,一直吸引着研究人员的关注。在循环神经网络(RNN)被提出后,由于其对于序列数据的强大拟合能力,被广泛应用在如行为序列预测、语言模型等领域。不过,传统RNN框架仅... 详细信息

作为个性化搜索和推荐系统的核心,用户行为建模决定着个性化系统的效果,一直吸引着研究人员的关注。在循环神经网络(RNN)被提出后,由于其对于序列数据的强大拟合能力,被广泛应用在如行为序列预测、语言模型等领域。不过,传统RNN框架仅仅考虑了序列的顺序关系,对序列的时间间隔并没有明显的感知。而对于行为序列问题而言,行为的时间间隔是刻画行为关联的一个重要特征。因此,本文对RNN框架中一种广泛应用的变体——GRU进行了改进,增加了时间门结构和基于时间的注意力机制,本文称之为Time-GRU。模型中的两个模块引入了时间信息,相比传统模型,能够同时预测用户的长期和短期偏好,从而提高推荐和搜索排序的结果。本文在两个著名的公开数据集和一个电商平台的离线数据集上进行了实验,并在线上环境进行了 AB测试,实验结果表明,Time-GRU超过了目前现有的先进算法。

关键词：序列建模门控循环网络注意力机制推荐系统

基于变分模式分解和深度门控循环网络的风速短期预测模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电网与清洁能源 2018年第12期34卷 59-64,70页

作者：吴宇杭温步瀛江岳文陈静王怀远福州大学电气工程与自动化学院福建福州350108

考虑到风速时间序列非平稳特性和时序关联难以建模的问题,提出一种基于变分模态分解和深度门控循环网络的风速短期预测模型。该模型首先使用变分模态分解非递归地将原始风速序列分解为预先设定层数的子分量,以期降低原始序列的不平稳度... 详细信息

考虑到风速时间序列非平稳特性和时序关联难以建模的问题,提出一种基于变分模态分解和深度门控循环网络的风速短期预测模型。该模型首先使用变分模态分解非递归地将原始风速序列分解为预先设定层数的子分量,以期降低原始序列的不平稳度,使用深度门控网络分别对各子分量建模预测,最后叠加各分量的预测结果,得到风速的预测结果。实例研究表明所提模型能够有效地跟踪风速的变化,具有较高的短期预测精度。

关键词：风速预测深度学习变分模态分解门控循环网络

在线全文

学校读者我要写书评

暂无评论

基于门控循环网络的海浪波倾角预测研究

国外电子测量技术 2019年第5期38卷 96-100页

作者：赵建鹏张爱军蔡程飞苏印红南京理工大学机械工程学院南京210000 南京信息工程大学自动化学院南京210000

海浪的波倾角是一种非线性随机时间序列,对于舰载机的起降和舰载稳定平台的控制具有重要的指导意义。传统的时间序列预测方法诸如自回归滑动平均预测、神经网络预测法等,有时无法提供较高的精度。因此,提出一种基于门控循环网络的海浪... 详细信息

海浪的波倾角是一种非线性随机时间序列,对于舰载机的起降和舰载稳定平台的控制具有重要的指导意义。传统的时间序列预测方法诸如自回归滑动平均预测、神经网络预测法等,有时无法提供较高的精度。因此,提出一种基于门控循环网络的海浪模型时间序列预测法。结果表明,在平均绝对百分比误差上分别比BP神经网络、循环神经网络(RNN)、长短期记忆网络(LSTM)下降了85.0%、80.3%、34.4%;在均方根误差上分别下降了27.1%、37.7%和7.5%。与传统方法相比,门控循环网络在处理长依赖时间序列上更有优势,预测精度更高。

关键词：海浪模型时间序列预测神经网络深度学习门控循环网络

基于门控循环注意力网络的配电网故障识别方法

在线全文

学校读者我要写书评

暂无评论

上海交通大学学报 2024年第3期58卷 295-303页

作者：陈昊蓝靳冰莹刘亚东钱庆林王鹏陈艳霞于希娟严英杰上海交通大学电子信息与电气工程学院上海200240 国网青海省电力公司西宁810008 国网北京市电力公司北京100031

为了提高小样本条件下配电网故障辨识准确率,提出一种门控循环注意力网络模型.首先,通过注意力机制赋予故障相中关键周期较高权重,通过加权运算使得模型更加关注上述关键信息.其次,利用门控循环网络处理波形序列,该网络利用门控信号控... 详细信息

为了提高小样本条件下配电网故障辨识准确率,提出一种门控循环注意力网络模型.首先,通过注意力机制赋予故障相中关键周期较高权重,通过加权运算使得模型更加关注上述关键信息.其次,利用门控循环网络处理波形序列,该网络利用门控信号控制记忆传递过程,并借由记忆传递建立序列中不同阶段输入波形和故障类别概率间的关系,从而提升识别准确率.基于仿真数据和实际数据的实验均表明:所提方法在小样本条件下的可靠性和准确率远优于同等条件下支持向量机、梯度提升决策树、卷积神经网络等常用分类模型,为配电网故障辨识技术提供了一种新思路.

关键词：配电网故障辨识注意力机制门控循环网络

同方期刊数据库

基于模态分解和混合式CNN⁃GRUT的变压器油中溶解气体预测方法

在线全文

学校读者我要写书评

暂无评论

电工电能新技术 2024年第7期43卷 80-90页

作者：谭志超范竞敏冯陆滔莫文俊钟铭伟广东工业大学自动化学院广东广州510012

为防止电力变压器出现运维不足或者过度运维的情况,对其运行状态进行评估和潜在性故障进行预测具有重要意义。DGA技术是对变压器状态进行评估的有效方法,而变压器的机械振动、油温等原因会导致油中溶解气体信号呈非线性趋势,非稳定特性... 详细信息

为防止电力变压器出现运维不足或者过度运维的情况,对其运行状态进行评估和潜在性故障进行预测具有重要意义。DGA技术是对变压器状态进行评估的有效方法,而变压器的机械振动、油温等原因会导致油中溶解气体信号呈非线性趋势,非稳定特性;致使预测难度增加,甚至日常测量气体数据缺失导致以DGA技术为主的在线监测系统无法监测变压器状态。针对以上问题,本文应用EEMD分解气体浓度信号集,而EEMD产生的高频本征模态函数会增加预测难度和影响预测精度,使用WPD进一步将子信号模态函数分解,针对过去机器学习无法分离和解析浓度信号间时间关联性和蕴藏特性的难题,本文提出了混合式CNN⁃GRUT预测模型,分离气体浓度子信号当中的蕴藏特性,深度解析气体浓度子信号集当中的时间关联特性,迭代子信号重组得到油中溶解气体浓度信号预测值。实验结果得出,提出的CMD⁃CNN⁃GRUT预测模型相较于BP、Elman等混合预测模型,CMD⁃CNN⁃GRUT的预测平均绝对误差减少22􀆰44%和30􀆰9%,并且结合实验证明了所提出的预测模型的有效性。

关键词：油中溶解气体模态分解卷积神经网络门控循环网络预测

改进鹈鹕算法优化AM-GRU的瓦斯涌出量预测模型研究

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年

作者：于航徐耀松辽宁工程技术大学电气与控制工程学院

为实现对煤矿瓦斯涌出量的精准预测，提出一种改进鹈鹕算法（IPOA）优化注意力门控循环网络（AM-GRU）的瓦斯涌出量预测模型。首先，通过变分模态分解（VMD）将瓦斯原始数据分解为不同频率的模态分量（IMF），降低非线性数据的预测难度... 详细信息

为实现对煤矿瓦斯涌出量的精准预测，提出一种改进鹈鹕算法（IPOA）优化注意力门控循环网络（AM-GRU）的瓦斯涌出量预测模型。首先，通过变分模态分解（VMD）将瓦斯原始数据分解为不同频率的模态分量（IMF），降低非线性数据的预测难度；之后，引入佳点集初始化、反向差分进化机制和最优个体自适应变异改进鹈鹕算法，提高算法的寻优能力；为把握瓦斯原始数据存在的时序特征，利用门控循环网络（GRU）进行预测。同时，利用注意力机制（AM）改进门控循环网络，量化预测结果与多种瓦斯影响因素之间的相关程度，并对各个模态分量建立预测模型；最后，选取山西某煤矿的数据进行实验验证，并将模型与BP、SVM、LSTM和POA-LSTM模型对比。模型的平均绝对百分比误差，均方根误差和决定系数分别为0.3981%，0.0670，0.9953。预测结果表明，提出的瓦斯涌出量预测模型具有更高的预测精度。

关键词：瓦斯涌出量预测变分模态分解鹈鹕优化算法注意力机制门控循环网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于时空矩阵分解的路网交通数据修复方法

广西师范大学学报(自然科学版) 2024年

作者：许伦辉许润南广东科技学院计算机学院华南理工大学土木与交通学院

针对城市路网交通数据缺失问题，综合考虑交通数据客观存在的时空特性，提出了一种基于时空矩阵分解(spatial-temporal matrix factorization， STMF)的路网交通数据修复方法。首先依据路网时空属性，将多维交通数据处理为二维矩阵形式... 详细信息

针对城市路网交通数据缺失问题，综合考虑交通数据客观存在的时空特性，提出了一种基于时空矩阵分解(spatial-temporal matrix factorization， STMF)的路网交通数据修复方法。首先依据路网时空属性，将多维交通数据处理为二维矩阵形式，将其分解为空间特征矩阵和时间特征矩阵，并通过低秩近似的方式重构不完整交通数据矩阵，实现缺失数据的基本修复。然后，利用图拉普拉斯(graph Laplacian， GL)和门控循环网络(gated recurrent network， GRN)分别作为空间和时间正则器，进一步挖掘路网交通数据的空间结构关联特性和时间依赖特性，有效提高了路网交通数据的修复精度。最后，采用洛杉矶交通速度数据集(Metr-LA)和广州交通数据集（Guangzhou-D）对STMF模型的性能与GAIN、BGCP、BTMF、LRTC-TNN和HaLRTC等基准模型进行对比，实验结果表明，提出的基于时空矩阵分解STMF模型相比基准模型，能更好地适应不同的缺失场景和不同的缺失率，缺失数据修复性能具有更好的鲁棒性。

关键词：智慧交通数据修复矩阵分解交通数据图拉普拉斯门控循环网络