检索结果-南通市图书馆

Attention boosted autoencoder for building energy anomaly detection

Energy and AI 2023年第4期14卷 479-489页

作者： Durga Prasad Pydi S.Advaith Department of Mechanical Engineering Indian Institute of Technology MadrasChennai600036India

Significant energy savings can be realised from buildings if deviations from the usual operating conditions are detected early,and appropriate measures are *** anomaly detection techniques automate identifying such instances by leveraging the high dimensional data collected from the installed smart *** allow for dimensionality reduction and also model the underlying data ***,these models treat features as independent *** contrast,the current work investigates an attention mechanism with an autoencoder to include the correlations among the *** value addition from the attention mechanism is demonstrated by comparing the model’s reconstruction ability with an ANN-based autoencoder on synthetic *** study identifies that adding an attention layer enables the encoder–decoder architecture to be robust to outliers in training data,thereby reducing the preprocessing ***,the model is tested on a real-world dataset,and the attention maps generated from the model are used to interpret the correlations among the features and across the time dimension,thereby establishing a human-interpretable way to understand the reconstruction from the model.

关键词： Artificial intelligence UN Sustainable Development Goals interpretable model Multivariate time series HVAC

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

数据驱动框架下基于基因表达编程的非线性K-L湍流混合模型

引用

Acta Mechanica Sinica 2023年第2期39卷 147-164页

作者：谢寒松赵耀民张又升 Key Laboratory of High Energy Density Physics Simulation Ministry of EducationCenterfor Applied Physics and Technology and College of EngineeringPeking UniversityBeijing 100871China State Key Laboratory for Turbulence and Complex Systems College of EngineeringPeking UniversityBeijing 100871China institute of Applied Physics and Computational Mathematics Beijing 100094China

由Rayleigh-Taylor(RT)、Richtmyer-Meshkov(RM)、Kelvin-Helmholtz(KH)等流体力学界面不稳定性诱导的湍流混合现象广泛存在于自然界和工程问题中,准确预测其演化具有十分重要的意义.考虑到实际问题的高雷诺数及复杂性,在可预见的未来,... 详细信息

由Rayleigh-Taylor(RT)、Richtmyer-Meshkov(RM)、Kelvin-Helmholtz(KH)等流体力学界面不稳定性诱导的湍流混合现象广泛存在于自然界和工程问题中,准确预测其演化具有十分重要的意义.考虑到实际问题的高雷诺数及复杂性,在可预见的未来,雷诺平均(RANS)方法仍将是工程实践中最具可实现性的选择.一般而言,传统RANS混合模型中至关重要的雷诺应力项是基于经典的Boussinesq线性涡粘假设封闭的.然而,这种线性模型无法充分描述在实际工程流动中发挥着重要作用的湍流各向异性特征.相比之下,非线性模型在这方面具有显著优势.本研究首次将基因表达编程(GEP)方法应用于湍流混合问题,发展了数据驱动的非线性K-L湍流混合模型.与常见的“黑箱”型机器学习模型不同,GEP模型显式给出模型方程,从而具有更强的物理可解释性.具体地,本研究基于二阶截断的广义Cayley-Hamilton非线性本构关系,利用GEP方法中的符号回归功能,形式化地给出了待封闭的模型系数与伽利略不变量之间的函数关系.此外,为了保证训练模型的物理性,我们将可实现性原则引入到了惩罚函数中.模型泛化性测试的结果表明:尽管新模型仅利用倾斜RT混合问题训练得到,但对于几个典型的混合问题均具有良好的鲁棒性.与标准的K-L模型相比,新模型不但具有更高的预测精度,而且能够更好地捕捉湍流的物理特性.此外,通过分析显式的封闭模型,本文进一步给出了新模型的预测效果得以提升的原因.

关键词： Turbulent mixing GEP method Nonlinear model Machine learning interpretable model

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：