期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进双重压缩和激励与多头特征注意力机制的电-热负荷协同预测
1
作者
余强
韩静娴
+4 位作者
杨子梁
宋济东
杨德昌
齐海杰
于芃
《电力自动化设备》
北大核心
2025年第3期201-208,共8页
综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注...
综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注意力对卷积结果进行赋权,并利用输入门控循环单元模型对负荷进行预测。算例仿真结果表明,所提模型的平均绝对百分比误差均低于3%。
展开更多
关键词
综合能源系统
负荷预测
分组卷积神经网络
门控循环单元
改进的压缩和激励注意力机制
多头特征注意力机制
在线阅读
下载PDF
职称材料
基于不同机器学习模型的滑坡易发性分析及适应性评估
2
作者
王洁
林诚杰
+3 位作者
梁峰铭
季静静
谈松林
刘宇
《科学技术与工程》
北大核心
2025年第2期513-520,共8页
机器学习模型因其强大的特征提取能力被广泛应用于滑坡易发性评价,在应用中其算法在不断改进。为解决常见机器学习模型中精度不高的问题,将分组卷积神经网络模型(group convolutional neural network,GCNN)引入滑坡易发性评价,并与多种...
机器学习模型因其强大的特征提取能力被广泛应用于滑坡易发性评价,在应用中其算法在不断改进。为解决常见机器学习模型中精度不高的问题,将分组卷积神经网络模型(group convolutional neural network,GCNN)引入滑坡易发性评价,并与多种常见机器学习模型结果进行对比分析,综合评估不同机器学习模型在滑坡易发性评价的适应性。以河北省为研究区,从致灾因子、孕灾环境、承灾体这个3个方面出发,共选取16个影响因子,选择GCNN模型和目前常见的机器学习模型——卷积神经网络模型(convolutional neural network,CNN)、逻辑回归模型(Logistic)、随机森林算法模型(random forest,RF)和支持向量机模型(support vector machine,SVM)构建出相应的易发性评价模型,将研究区划分为4类滑坡易发性区域,并对区划的精确性进行综合评价。研究表明,与其他4种机器学习模型相比,GCNN模型在各混淆矩阵指标下拥有更高评分,更适合进行滑坡易发性区划,得到的滑坡易发区划结果与实际发生滑坡点的一致性较好,划分的滑坡灾害易发区更加准确。
展开更多
关键词
机器学习
分组卷积神经网络
模型
适应性评价
滑坡易发性评价
在线阅读
下载PDF
职称材料
题名
基于改进双重压缩和激励与多头特征注意力机制的电-热负荷协同预测
1
作者
余强
韩静娴
杨子梁
宋济东
杨德昌
齐海杰
于芃
机构
中国农业大学信息与电气工程学院
国网智能电网研究院有限公司
国网山东省电力公司电力科学研究院
出处
《电力自动化设备》
北大核心
2025年第3期201-208,共8页
基金
国家电网有限公司科技项目(SGSDDK00PDJS2250114)
国家自然科学基金资助项目(52377127)。
文摘
综合能源系统中负荷多样且存在耦合,为提升负荷预测精度,提出一种基于改进双重注意力机制的分组卷积神经网络-门控循环单元短期电-热负荷协同预测模型。通过改进的压缩和激励注意力为各输入通道加权,再对其进行分组卷积;利用多头特征注意力对卷积结果进行赋权,并利用输入门控循环单元模型对负荷进行预测。算例仿真结果表明,所提模型的平均绝对百分比误差均低于3%。
关键词
综合能源系统
负荷预测
分组卷积神经网络
门控循环单元
改进的压缩和激励注意力机制
多头特征注意力机制
Keywords
integrated energy system
load forecasting
group convolutional neural network
gated recurrent unit
improved squeeze and excitation attention mechanism
multi-head feature attention mechanism
分类号
TK019 [动力工程及工程热物理]
在线阅读
下载PDF
职称材料
题名
基于不同机器学习模型的滑坡易发性分析及适应性评估
2
作者
王洁
林诚杰
梁峰铭
季静静
谈松林
刘宇
机构
南京信息工程大学水文与水资源工程学院
水利部水文气象灾害机理与预警重点实验室
出处
《科学技术与工程》
北大核心
2025年第2期513-520,共8页
基金
江苏省水利科技项目(2024007)
河北省省级科技计划(19275408D)
+1 种基金
国家自然科学基金面上项目(41671022,41877158)
江苏省研究生科研与实践创新计划(KYCX23_1375)。
文摘
机器学习模型因其强大的特征提取能力被广泛应用于滑坡易发性评价,在应用中其算法在不断改进。为解决常见机器学习模型中精度不高的问题,将分组卷积神经网络模型(group convolutional neural network,GCNN)引入滑坡易发性评价,并与多种常见机器学习模型结果进行对比分析,综合评估不同机器学习模型在滑坡易发性评价的适应性。以河北省为研究区,从致灾因子、孕灾环境、承灾体这个3个方面出发,共选取16个影响因子,选择GCNN模型和目前常见的机器学习模型——卷积神经网络模型(convolutional neural network,CNN)、逻辑回归模型(Logistic)、随机森林算法模型(random forest,RF)和支持向量机模型(support vector machine,SVM)构建出相应的易发性评价模型,将研究区划分为4类滑坡易发性区域,并对区划的精确性进行综合评价。研究表明,与其他4种机器学习模型相比,GCNN模型在各混淆矩阵指标下拥有更高评分,更适合进行滑坡易发性区划,得到的滑坡易发区划结果与实际发生滑坡点的一致性较好,划分的滑坡灾害易发区更加准确。
关键词
机器学习
分组卷积神经网络
模型
适应性评价
滑坡易发性评价
Keywords
machine learning
group convolutional neural network model
adaptability evaluation
evaluation of landslide susceptibilit
分类号
P642.22 [天文地球—工程地质学]
X43 [环境科学与工程—灾害防治]
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
基于改进双重压缩和激励与多头特征注意力机制的电-热负荷协同预测
余强
韩静娴
杨子梁
宋济东
杨德昌
齐海杰
于芃
《电力自动化设备》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于不同机器学习模型的滑坡易发性分析及适应性评估
王洁
林诚杰
梁峰铭
季静静
谈松林
刘宇
《科学技术与工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
