检索结果-维普期刊中文期刊服务平台

基于Transformer和关系图卷积网络的信息传播预测模型被引量：1: 1; 作者吕锡婷赵敬华 +1 位作者荣海迎赵嘉乐《计算机应用》 CSCD 北大核心 2024年第6期1760-1766,共7页; 针对在信息传播动态演化中,结构特征和时序特征以及两者间的交互表达难以有效捕获的问题,提出一种基于Transformer和关系图卷积网络的信息传播预测模型(TRGCN)。首先,构建由社交关系图和传播级联图组合而成的异构图,使用关系图卷积网络(... 展开更多; 关键词信息传播预测 TRANSFORMER 关系图卷积网络双向长短期记忆网络时空特征; 在线阅读下载PDF 职称材料

特高压直流长、短输电线路无线电干扰的转换关系分析被引量：13: 2; 作者谢莉陆家榆 +1 位作者张文亮郭剑《中国电机工程学报》 EI CSCD 北大核心 2013年第7期109-115,12,共7页; 研究特高压直流长、短输电线路的无线电干扰转换关系,对于将特高压直流试验基地建设的试验线段和电晕笼内导线的试验结果用于预测实际特高压输电线路的无线电干扰有重要意义。推导了由无线电干扰激发函数表示的任意长度、任意终端阻抗... 展开更多; 关键词特高压直流试验线段特高压直流电晕笼长短线路无线电干扰转换关系无线电干扰激发函数电晕电流; 在线阅读下载PDF 职称材料

考虑复杂关联关系深度挖掘的变压器状态参量预测方法被引量：18: 3; 作者代杰杰宋辉 +4 位作者盛戈皞韩璐岭江秀臣王健一陈玉峰《中国电机工程学报》 EI CSCD 北大核心 2019年第2期621-628,共8页; 电力变压器状态参数预测分析可以为设备状态评估提供有力技术支撑。现有变压器状态参量预测模型主要基于单一或少数状态参量进行分析和判断,预测稳定性和科学性都有待提高。文中结合变压器设备大量状态信息、电网运行和环境气象数据,提... 展开更多; 关键词电力变压器状态参量关联关系栅格长短时记忆网络趋势预测; 在线阅读下载PDF 职称材料

基于LSTM网络的在线藻类时序数据预测研究:以三峡水库为例被引量：11: 4; 作者欧阳添闪锟 +3 位作者周博天黄昱吴忠兴尚明生《湖泊科学》 EI CAS CSCD 北大核心 2021年第4期1031-1042,共12页; 三峡水库在不同水位调控期支流回水区末端水深变化幅度较大,加之复杂水动力变化产生的生境异质性,塑造出有别于浅水湖泊的水华暴发特征.本研究基于库区4条支流——香溪河、澎溪河、大宁河及草堂河部署的自动监测数据,利用小波变换(WT)... 展开更多; 关键词在线监测小波变换长短期记忆网浮游植物三峡水库; 在线阅读下载PDF 职称材料

题名基于Transformer和关系图卷积网络的信息传播预测模型被引量：1: 1; 作者吕锡婷赵敬华荣海迎赵嘉乐; 机构上海理工大学管理学院; 出处《计算机应用》 CSCD 北大核心 2024年第6期1760-1766,共7页; 基金国家自然科学基金资助项目(72201173) 上海市教育科学研究项目(C2023292) 上海理工大学尚理晨曦社科专项重点项目(23SLCX-ZD-006)。; 文摘针对在信息传播动态演化中,结构特征和时序特征以及两者间的交互表达难以有效捕获的问题,提出一种基于Transformer和关系图卷积网络的信息传播预测模型(TRGCN)。首先,构建由社交关系图和传播级联图组合而成的异构图,使用关系图卷积网络(RGCN)提取图中各节点的结构特征;其次,使用双向长短期记忆(Bi-LSTM)网络对各节点的时间嵌入重新编码,引入时间衰减项以不同的权重赋予不同时间位置的节点,获得节点的时序特征;最后,将结构特征和时序特征输入Transformer进行融合,得到时空特征以预测信息传播。在Twitter、Douban和Memetracker这3个真实数据集上的实验结果表明,相较于对比实验中的最优模型,TRGCN的Hits@100指标分别提升3.18%,5.96%和3.34%,Map@100指标分别提升11.60%,19.72%和8.47%,验证了所提模型的有效性和合理性。; 关键词信息传播预测 TRANSFORMER 关系图卷积网络双向长短期记忆网络时空特征; Keywords information diffusion prediction Transformer relational Graph Convolutional Network(RGCN) Bi-directional long short-Term Memory(Bi-LSTM)network spatial-temporal feature; 分类号 TP399 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名特高压直流长、短输电线路无线电干扰的转换关系分析被引量：13: 2; 作者谢莉陆家榆张文亮郭剑; 机构中国电力科学研究院国家电网公司; 出处《中国电机工程学报》 EI CSCD 北大核心 2013年第7期109-115,12,共7页; 基金国家重点基础研究发展计划项目(973计划)(2011CB209400)~~; 文摘研究特高压直流长、短输电线路的无线电干扰转换关系,对于将特高压直流试验基地建设的试验线段和电晕笼内导线的试验结果用于预测实际特高压输电线路的无线电干扰有重要意义。推导了由无线电干扰激发函数表示的任意长度、任意终端阻抗输电线路上无线电干扰的计算公式。该计算公式在几种情况下简化后与国外文献结果的对比,可说明其可靠性。在此基础上,导出了中国特高压直流试验基地建设的试验线段和电晕笼内导线适用的长、短线无线电干扰转换关系。无限长线路的无线电干扰等于试验线段和电晕笼内导线的无线电干扰频率特性曲线极小值包络线乘以相应的转换系数。该研究结果对特高压直流输电工程的电磁环境评估有一定的参考作用。; 关键词特高压直流试验线段特高压直流电晕笼长短线路无线电干扰转换关系无线电干扰激发函数电晕电流; Keywords UHVDC test line UHVDC test cage ri transformation relation between long and short lines ri excitation function corona current; 分类号 TM726 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名考虑复杂关联关系深度挖掘的变压器状态参量预测方法被引量：18: 3; 作者代杰杰宋辉盛戈皞韩璐岭江秀臣王健一陈玉峰; 机构上海交通大学电气工程系中国电力科学研究院国网山东省电力公司电力科学研究院; 出处《中国电机工程学报》 EI CSCD 北大核心 2019年第2期621-628,共8页; 基金国家自然科学基金项目(51477100) 国家高技术研究发展计划(863计划)(2015AA050204) 国家电网公司科技项目(GYB17201700204)~~; 文摘电力变压器状态参数预测分析可以为设备状态评估提供有力技术支撑。现有变压器状态参量预测模型主要基于单一或少数状态参量进行分析和判断,预测稳定性和科学性都有待提高。文中结合变压器设备大量状态信息、电网运行和环境气象数据,提出了一种考虑复杂关联关系深度挖掘的变压器状态参量预测方法,通过栅格长短时记忆网络提取各参量之间蕴含的内在规律和关联关系,用以修正状态参量的预测结果。将该方法用于某500kV变压器顶层油温趋势预测中,结果表明所提出的栅格长短时记忆网络能挖掘分析设备状态影响因素之间的关联关系,与未考虑关联性的预测方法及传统方法相比,通过参量序列间关联性提高了预测模型的稳定性,降低了预测误差。; 关键词电力变压器状态参量关联关系栅格长短时记忆网络趋势预测; Keywords power transformer state parameter association relation grid long-short term memory network state prediction; 分类号 TM4 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名基于LSTM网络的在线藻类时序数据预测研究:以三峡水库为例被引量：11: 4; 作者欧阳添闪锟周博天黄昱吴忠兴尚明生; 机构西南大学三峡库区生态环境教育部重点实验室中国科学院重庆绿色智能技术研究院; 出处《湖泊科学》 EI CAS CSCD 北大核心 2021年第4期1031-1042,共12页; 基金重庆市技术创新与应用发展专项(cstc2019jscx-gksbX0042) 国家自然科学基金项目(51609229) +1 种基金中国科学院西部青年学者项目(E1296001)联合资助.; 文摘三峡水库在不同水位调控期支流回水区末端水深变化幅度较大,加之复杂水动力变化产生的生境异质性,塑造出有别于浅水湖泊的水华暴发特征.本研究基于库区4条支流——香溪河、澎溪河、大宁河及草堂河部署的自动监测数据,利用小波变换(WT)和长短期记忆网络(LSTM)构建藻类时序变化预测模型,并探讨神经网络层数、每层隐藏神经元数、时间步长数等关键参数的最优组合.结果表明:WT-LSTM模型可有效预测在线获取的叶绿素a浓度变化,模型在4条支流的均方根误差(RMSE)为0.049-0.221μg/L,平均相对误差(MRE)为0.43%-1.12%;预测结果揭示深度神经网络方法可有效地提取在线藻类时序数据特征,而相较于深度置信网络(DBN),LSTM在4条支流叶绿素a预测的平均RMSE和MRE分别降低了9.20%和3.06%;在线监测数据的小波降噪并未影响叶绿素a的变化趋势,且WT-LSTM模型对叶绿素a预测效果显著提升于WT-DBN,平均RMSE和MRE分别降低了51.72%和59.24%;通过设置不同时间步长的预测实验,证实24 h内模型精度会随着预测步长的增加而降低,但模型平均相对误差可保持在13%以内,且对区间内叶绿素a极大值的预测精度要优于其平均值.本研究为水华预测上耦合在线监测与深度学习提供了研究范例,通过4个站点数据的交叉验证实验,亦证实具有统计学关联性的不同空间数据合并后可延展时序模型的学习样本,增强模型在实际应用中的稳健性.; 关键词在线监测小波变换长短期记忆网浮游植物三峡水库; Keywords On-line monitoring wavelet transform long short-term memory phytoplankton Three Gorges Reservoir; 分类号 X524 [环境科学与工程—环境工程] TV697 [水利工程—水利水电工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于Transformer和关系图卷积网络的信息传播预测模型	吕锡婷赵敬华荣海迎赵嘉乐	《计算机应用》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	特高压直流长、短输电线路无线电干扰的转换关系分析	谢莉陆家榆张文亮郭剑	《中国电机工程学报》 EI CSCD 北大核心	2013	13	在线阅读下载PDF 职称材料
3	考虑复杂关联关系深度挖掘的变压器状态参量预测方法	代杰杰宋辉盛戈皞韩璐岭江秀臣王健一陈玉峰	《中国电机工程学报》 EI CSCD 北大核心	2019	18	在线阅读下载PDF 职称材料
4	基于LSTM网络的在线藻类时序数据预测研究:以三峡水库为例	欧阳添闪锟周博天黄昱吴忠兴尚明生	《湖泊科学》 EI CAS CSCD 北大核心	2021	11	在线阅读下载PDF 职称材料