检索结果-南通市图书馆

基于bayes-LSTM网络的风电出力预测方法

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2023年第6期51卷 170-178页

作者：陈峰余轶徐敬友杨洁陈可张天东郭露方郑子健胡钋国网湖北省电力有限公司经济技术研究院湖北武汉430077 国网石家庄供电公司河北石家庄050000 武汉大学电气与自动化学院湖北武汉430072

为提高风电出力的预测精度,提出一种基于bayes优化的长短期记忆人工神经网络(long-short term memory,LSTM)的预测模型。首先,利用经验模态分解对风电历史出力序列进行分解,并对各分量及原始数据分别提取8个统计特征量,与预测前6个时刻... 详细信息

为提高风电出力的预测精度,提出一种基于bayes优化的长短期记忆人工神经网络(long-short term memory,LSTM)的预测模型。首先,利用经验模态分解对风电历史出力序列进行分解,并对各分量及原始数据分别提取8个统计特征量,与预测前6个时刻出力值共同组成预测特征集。然后,采用绳索算法(least absolute shrinkage and selection operator,LASSO)从预测特征集中提取具有统计意义的特征子集,作为预测模型的输入。最后,提出基于bayes超参数寻优的LSTM网络优化方法,以提高预测精度。选取湖北某市风电出力历史数据进行预测实验,结果表明:相较于BP神经网络、SVM、RBF网络、GRNN网络等预测模型,所提模型预测精度较高,特征提取方法较为合理。

关键词：风电出力预测深度学习 bayes优化特征提取

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

自动化机器学习中的超参调优方法

中国科学：数学 2020年第5期50卷 695-710页

作者：张爱军杨泽斌香港大学统计与精算学系香港

本文介绍近年逐渐兴起的自动化机器学习框架,着重讨论其中颇具挑战的超参调优问题.常用的调参方法有格子点法、随机搜索等批量抽样策略,还包括bayes优化、群体搜索算法和强化学习等序贯策略.由方开泰和王元早在1990年提出的贯序数论优... 详细信息

本文介绍近年逐渐兴起的自动化机器学习框架,着重讨论其中颇具挑战的超参调优问题.常用的调参方法有格子点法、随机搜索等批量抽样策略,还包括bayes优化、群体搜索算法和强化学习等序贯策略.由方开泰和王元早在1990年提出的贯序数论优化算法,利用序贯均匀设计对复杂响应曲面寻求全局最优值,同样适用于超参调优.本文以支持向量机和极限梯度推进机这两种常用的机器学习模型为例,结合两组典型的二分类数据集,对多种超参调优方法进行测试.通过比较分析发现一种改进的贯序数论优化算法,对解决自动化机器学习中的调参问题,颇具潜力.

关键词：自动化机器学习超参调优 bayes优化序贯均匀设计

在线全文

学校读者我要写书评

暂无评论

郑州市岩土体工程地质区划及参数优化分析

郑州市岩土体工程地质区划及参数优化分析

作者：樊海龙华北水利水电大学

学位级别：硕士

城市土地资源匮乏是很多城市面临的问题,合理利用有限的土地资源,提高城市地上地下空间的使用率是城市发展的重点。论文以郑州市城区为例,开展岩土工程地质分区工作,是为了有效指导本地城市规划建设、深基坑支护设计、地基与基础设计等... 详细信息

城市土地资源匮乏是很多城市面临的问题,合理利用有限的土地资源,提高城市地上地下空间的使用率是城市发展的重点。论文以郑州市城区为例,开展岩土工程地质分区工作,是为了有效指导本地城市规划建设、深基坑支护设计、地基与基础设计等方面的工作。在基坑工程设计中,岩土强度指标如何合理取值是一个十分关键的问题。选取强度指标正确与否直接决定了工程建设安全性与经济性。论文整理分析了前人研究成果和郑州市城区部分岩土勘察资料,首先,对郑州市城区进行岩土工程地质分区;其次,选取其中一个工程地质亚区(CBD区域)作为重点研究对象,采用回归分析和概率分布理论,借助数据统计分析软件(spss、MATLAB等)对深基坑岩土强度参数选取做了研究,获得的主要研究成果如下:1.依据研究区域地形地貌、岩土地层成因和结构特征及物理力学性质指标等方面的差异性,对郑州市城区进行岩土体工程地质分区,并进行了分区评价。2.运用spss统计分析软件研究了CBD区域岩土体参数间的统计回归关系,得到了统计回归方程;同时,对该区域岩土体参数的变异系数进行了统计分析。上述两方面对该区域强度参数选取有一定的指导意义。3.运用概率论理论统计分析了郑州新区CBD区域四种土的岩土参数,求各个土层强度参数的概率密度函数,依此函数运用bayes理论进行具体工程的优化分析。论文研究成果对基坑支护、地基基础设计中强度参数选取有一定的指导意义。

关键词：岩土工程地质分区统计回归分析概率分布密度函数 bayes优化

煤系岩体物理力学参数特征及统计分析——以皖北青东煤矿为例

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

龙岩学院学报 2019年第2期37卷 39-49页

作者：张俊姚多喜鲁海峰徐泽栋皖江工学院安徽马鞍山243031 安徽理工大学安徽淮南232001

在煤矿工程地质问题分析及地质工程设计中,岩石的物理力学指标必不可少,它们直接关系到井巷及围岩稳定性分析、预计开采围岩破坏高度、顶底板抗水压能力评价等工程地质问题的可靠性。以青东煤矿为例,在分析矿区3种典型岩性(泥岩、砂岩... 详细信息

在煤矿工程地质问题分析及地质工程设计中,岩石的物理力学指标必不可少,它们直接关系到井巷及围岩稳定性分析、预计开采围岩破坏高度、顶底板抗水压能力评价等工程地质问题的可靠性。以青东煤矿为例,在分析矿区3种典型岩性(泥岩、砂岩、粉砂岩)的视密度、含水率、吸水率、抗压强度、抗拉强度、抗剪强度、内摩擦角、内聚力、泊松比等岩石物理力学参数特征的基础上,重点对抗压强度等7个参数指标进行概率分布拟合,从而获得其参数分布类型及统计量,并利用bayes方法对参数进行了优化。结果表明:随着煤系岩体赋存深度的增大,无论是泥岩、砂岩还是粉砂岩,其割线模量和视密度变化不大,而抗压强度等参数则不断变化。同时,相关性分析表明各参数岩石力学性质的差异性和一致性;粉砂岩各参数的P-P图、直方图、曲线拟合结果表明,全部参数符合正态分布,经过bayes优化后其方差均有所降低。煤系岩体物理力学参数的确定可为该区煤矿工程地质问题防治提供参考。

关键词：煤系岩体物理力学参数统计分析 bayes优化青东煤矿

基于贝叶斯优化LSTM的S型道路车辆轨迹预测

在线全文

学校读者我要写书评

暂无评论

价值工程 2022年第36期41卷 136-138页

作者：雷俊廷重庆交通大学重庆404100

为了提高车辆特殊轨迹预测的准确率,采用一种基于长短时记忆网络与贝叶斯优化算法结合的目标车辆轨迹预测方法。利用长短时神经网络进行车辆轨迹预测,并运用贝叶斯优化算法对长短时神经网络进行迭代优化。最后,利用真实数据集以及通过NS... 详细信息

为了提高车辆特殊轨迹预测的准确率,采用一种基于长短时记忆网络与贝叶斯优化算法结合的目标车辆轨迹预测方法。利用长短时神经网络进行车辆轨迹预测,并运用贝叶斯优化算法对长短时神经网络进行迭代优化。最后,利用真实数据集以及通过NSGIM(Next Generation Simulation)数据集对模型进行训练和测试,结果表明,基于贝叶斯优化的LSTM车辆轨迹预测方法预测精度于以往方法有所提升。

关键词：轨迹预测长短时神经网络 bayes优化