期刊文献+
共找到347篇文章
< 1 2 18 >
每页显示 20 50 100
大坝变形的双向门控循环单元网络预测模型
1
作者 姚佳池 赵二峰 +1 位作者 刘峰 宋桂华 《水利水运工程学报》 北大核心 2025年第4期99-107,共9页
针对大坝变形序列的噪声信息,一次模态分解难以对其充分挖掘剔除,通过辛几何模态分解和改进的自适应噪声完备集合经验模态分解将变形实测序列解耦为不同频率的模态分量,使用最大信息系数对模态分量和实测序列进行相关性检验,并采用小波... 针对大坝变形序列的噪声信息,一次模态分解难以对其充分挖掘剔除,通过辛几何模态分解和改进的自适应噪声完备集合经验模态分解将变形实测序列解耦为不同频率的模态分量,使用最大信息系数对模态分量和实测序列进行相关性检验,并采用小波阈值对相关性弱的模态分量去噪重构,有效剔除实测序列中的噪声,利用基于注意力机制的双向门控循环单元网络模型对重构序列进行预测。应用实例表明,采用二次模态分解方法能有效剔除大坝变形实测序列中的噪声信息,建立的组合预测模型可以充分挖掘大坝变形与环境量之间的非线性关系且具有良好的泛化能力,为大坝长效服役性态预测提供了新方法。 展开更多
关键词 大坝变形 二次模态分解 小波阈值去噪 注意力机制 双向门控循环单元 预测模型
在线阅读 下载PDF
基于图卷积神经网络−双向门控循环单元及注意力机制的风电功率短期预测模型
2
作者 张光昊 张新燕 王朋凯 《现代电力》 北大核心 2025年第2期201-208,共8页
风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预... 风电功率的准确预测对电力系统的稳定运行意义重大,针对传统组合模型难以充分挖掘变量间潜在依赖性,导致在高维度、大量数据下风电功率预测精度偏低的问题。该文提出一种图卷积神经网络–双向门控循环单元及注意力机制的短期风电功率预测模型。该模型以数值天气预报数据(numerical weather prediction,NWP)和风电功率历史数据作为输入,首先利用皮尔逊相关性分析筛选特征,然后借助残差连接的图卷积神经网络(graph convolutional neural network,GCN)和图学习层挖掘空间特征关系,接着采用双向门控循环单元(bidirectional gated recurrent unit,BiGRU)挖掘历史数据的时序特征,最后引入注意力机制(attentional mechanisms,AM)分配权重,实现风电功率短期预测。以某风电场实测数据为例进行算例分析,实验结果表明,该文方法在单步及多步预测中相比其他方法有更好的预测精度。 展开更多
关键词 风电功率预测 混合深度神经网络 图卷积神经网络 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于双向门控循环单元的脱硫系统pH预测模型
3
作者 高钾 田雪峰 +2 位作者 彭献永 蒋甲丁 徐敏 《科学技术与工程》 北大核心 2025年第13期5535-5543,共9页
针对石灰石-石膏湿法烟气脱硫系统(wet flue gas desulfurization, WFGD)工作过程中浆液pH难以精准测量、不利于WFGD作业的问题,建立一种基于双向门控循环单元的脱硫系统pH预测模型。首先,对原始数据进行清洗和归一化处理;其次,基于最... 针对石灰石-石膏湿法烟气脱硫系统(wet flue gas desulfurization, WFGD)工作过程中浆液pH难以精准测量、不利于WFGD作业的问题,建立一种基于双向门控循环单元的脱硫系统pH预测模型。首先,对原始数据进行清洗和归一化处理;其次,基于最大信息系数分析得出13个特征值为输入变量,pH为输出变量,并建立浆液pH模型;最后,运行模型,并对结果进行评价。研究结果显示,与长短期记忆和门控循环相比,所选用的数学模型的平均绝对误差分别下降了11.95%、24.92%,均方根误差分别下降了10.64%、19.49%,决定系数分别提高了1.79%、3.08%。表明基于双向门控循环单元的pH预测模型具有较高的精确度和稳定性,具有工程应用价值,为现有脱硫塔pH预测模型提供了工程参考。 展开更多
关键词 石灰石-石膏湿法烟气脱硫系统 双向门控循环单元神经网络 预测模型 浆液pH
在线阅读 下载PDF
基于双向门控循环单元网络的心音分段
4
作者 卢官明 许梦悦 +3 位作者 卢峻禾 戚继荣 赵宇航 王洋 《南京邮电大学学报(自然科学版)》 北大核心 2025年第3期58-66,共9页
为了提高心音分段的定位精度和准确率,提出一种基于双向门控循环单元(Bi‑directional Gated Recurrent Unit,Bi‑GRU)网络的心音分段算法。首先,采用短时傅里叶变换(Short‑Time Fou‑rier Transform,STFT)和同步挤压变换(Synchrosqueezing... 为了提高心音分段的定位精度和准确率,提出一种基于双向门控循环单元(Bi‑directional Gated Recurrent Unit,Bi‑GRU)网络的心音分段算法。首先,采用短时傅里叶变换(Short‑Time Fou‑rier Transform,STFT)和同步挤压变换(Synchrosqueezing Transform,SST)技术提取各个时间步短时窗口内心音信号的瞬时频率特征;然后,将各个时间步提取的瞬时频率特征构成序列并输入到Bi‑GRU网络,利用Bi‑GRU网络挖掘特征序列的上下文依赖关系,提取心音信号的上下文时频特征;最后,使用Softmax分类器将心音信号分成第一心音(S1)、第二心音(S2)、S1‑S2间期、S2‑S1间期4种状态类别。在PhysioNet/CinC Challenge 2016数据集上的实验结果表明,提出的心音分段算法总体准确率为93.30%,S1状态的平均F1得分为0.9538,S2状态的平均F1得分为0.9450,优于基线心音分段算法LR‑HSMM的性能指标,验证了该算法能有效地对心音信号进行分段,为心音信号的特征提取与分析提供了基础。 展开更多
关键词 心音分段 短时傅里叶变换 同步挤压变换 双向门控循环单元
在线阅读 下载PDF
基于图卷积网络和双向门控循环单元的电力系统主导失稳模式辨识
5
作者 王长江 张千龙 +2 位作者 姜涛 陈厚合 陶宇轩 《中国电机工程学报》 北大核心 2025年第16期6326-6339,I0016,共15页
为快速准确辨识电力系统主导失稳模式,该文提出一种基于图卷积神经网络(graph convolutional network,GCN)和双向门控循环单元(bi-directional gated recurrent unit,Bi-GRU)的电力系统主导失稳模式辨识方法。首先,根据系统故障前后暂... 为快速准确辨识电力系统主导失稳模式,该文提出一种基于图卷积神经网络(graph convolutional network,GCN)和双向门控循环单元(bi-directional gated recurrent unit,Bi-GRU)的电力系统主导失稳模式辨识方法。首先,根据系统故障前后暂态电气量时序演变规律及空间分布特性,构建表征电力系统运行状态的特征矩阵;然后,建立GCN与Bi-GRU相结合的深度学习模型,利用GCN整合拓扑空间信息提高模型泛化性,同时利用Bi-GRU自适应感知输入特征的全局时间序列信息,以深度挖掘特征矩阵的空间特性和时序特性,进而明晰暂态过程中各暂态电气量间的深层联系及交互影响,实现电力系统主导失稳模式的精确辨识;最后,通过修改后IEEE-39节点系统和某地区实际电网的实验结果表明,所提方法具备一定可解释性,相比其他深度学习方法在有效性、准确性和适应性方面存在一定的优势。 展开更多
关键词 主导失稳模式 电压稳定 功角稳定 图卷积神经网络 双向门控循环单元
在线阅读 下载PDF
采用门控循环单元与深度进化策略的股票指数量化模型 被引量:1
6
作者 任晓萍 陈志平 《西安交通大学学报》 北大核心 2025年第2期146-155,共10页
为了提高股票价指数预测的准确性、增强统计建模性能优化与股票指数特征相依的交易策略效果,提出一种将指数预测与量化交易策略有效结合的门控循环单元深度进化量化模型(GRU-DES)。首先,建立循环神经网络(RNN)、长短时记忆神经网络(LSTM... 为了提高股票价指数预测的准确性、增强统计建模性能优化与股票指数特征相依的交易策略效果,提出一种将指数预测与量化交易策略有效结合的门控循环单元深度进化量化模型(GRU-DES)。首先,建立循环神经网络(RNN)、长短时记忆神经网络(LSTM)和门控循环单元网络(GRU)预测模型,分别对上海证券交易所(上证)超大盘股票指数、上证中盘股票指数和上证小盘股票指数进行预测;接着采用所提出的深度进化量化模型(DES)对三大股票指数的预测值与真实值进行回测研究,通过比较预测结果与真实结果在同一策略下的各项回测指标和交易细节等特性确定最优网络结构和策略参数,进而优化深度进化策略;最后根据优化后的策略提出了GRU-DES模型,并再次对三大股票指数进行样本外数据回测来验证模型有效性。实证回测结果表明:所提出的GRU-DES模型在各量化回测指标上较LSTM-DES模型与RNN-DES模型的预测精度均高出14%以上,有效解决了统计预测指标的随机性和过拟合的问题;根据2016年至2024年7年间数据回测,所提出的GRU-DES模型比强化学习模型在各回测指标中均展现了稳定性和有效性。 展开更多
关键词 股票指数 量化模型 长短时记忆神经网络 门控循环单元 收益率
在线阅读 下载PDF
基于时空图卷积与双向门控循环单元的机械设备寿命预测
7
作者 刘中民 刘小平 +2 位作者 王斌 郝晓龙 张立杰 《制造技术与机床》 北大核心 2025年第9期185-193,共9页
针对传统剩余使用寿命(remaining useful life,RUL)预测方法在建模多传感器数据的复杂时空依赖与抗噪性能方面存在不足的问题,提出一种融合时空图卷积网络(spatial-temporal graph convolutional network,STGCN)、软阈值残差注意力机制... 针对传统剩余使用寿命(remaining useful life,RUL)预测方法在建模多传感器数据的复杂时空依赖与抗噪性能方面存在不足的问题,提出一种融合时空图卷积网络(spatial-temporal graph convolutional network,STGCN)、软阈值残差注意力机制与双向门控循环单元(bidirectional gated recurrent unit,BiGRU)的剩余寿命预测模型。首先,通过时空图卷积提取多传感器数据中的空间与时间特征,建模设备部件间的拓扑关系与动态演化;其次,引入BiGRU以捕捉深层时序依赖,并结合软阈值残差注意力机制,增强对关键退化特征的感知能力并抑制噪声干扰;最后,实现对机械设备剩余寿命的精准预测。在PHM2010与NASA数据集上的实验表明,该方法在多种噪声干扰下仍具优异预测性能,显著优于现有方法。 展开更多
关键词 剩余使用寿命 时空图卷积 双向门控循环单元 软阈值 注意力
在线阅读 下载PDF
基于变分模态分解和双向门控循环单元的偏导射流伺服阀故障诊断
8
作者 张帅印 陶建峰 +2 位作者 吴兆宇 陈方飞扬 谭浩洋 《液压与气动》 北大核心 2025年第8期1-11,共11页
在复杂工况下,偏导射流伺服阀可采集的故障信号有限且易受噪声干扰,导致其特征提取困难。针对该问题,提出了一种基于海星优化变分模态分解、时域卷积网络、引入自注意力机制的双向门控循环单元的故障诊断方法。首先,利用海星优化算法自... 在复杂工况下,偏导射流伺服阀可采集的故障信号有限且易受噪声干扰,导致其特征提取困难。针对该问题,提出了一种基于海星优化变分模态分解、时域卷积网络、引入自注意力机制的双向门控循环单元的故障诊断方法。首先,利用海星优化算法自适应确定变分模态分解参数,提高信号分解的准确性与鲁棒性;随后结合最小包络熵原则选取关键固有模态函数,从中提取主要特征;最后,将提取的特征融入时域卷积网络与自注意力机制增强的双向门控循环单元网络,提高故障特征的表达能力与分类性能。为验证所提方法的有效性,构建了偏导射流伺服阀故障仿真平台和开展了多种典型故障工况试验;结果表明,所提模型的故障识别准确率达到97.33%,具有较强的鲁棒性和诊断精度。 展开更多
关键词 偏导射流伺服阀 变分模态分解 双向门控循环单元 故障诊断
在线阅读 下载PDF
基于轴承退化状态评估和改进图注意力双向门控循环单元网络的轴承剩余寿命预测 被引量:1
9
作者 宋李俊 刘松林 +2 位作者 辛玉 马婧华 谢正邱 《中国机械工程》 北大核心 2025年第7期1562-1572,共11页
受工作条件和运行工况影响,滚动轴承全寿命周期的运行状态监测数据存在强噪声干扰,且轴承运行寿命退化呈非线性,严重影响剩余寿命预测的准确性。提出了一种结合高精度故障始发时刻退化状态评估和改进图注意力双向门控循环单元网络的轴... 受工作条件和运行工况影响,滚动轴承全寿命周期的运行状态监测数据存在强噪声干扰,且轴承运行寿命退化呈非线性,严重影响剩余寿命预测的准确性。提出了一种结合高精度故障始发时刻退化状态评估和改进图注意力双向门控循环单元网络的轴承剩余寿命预测方法,并利用XJTU-SY全寿命周期轴承数据集验证了所提方法的有效性。研究结果表明,所提预测方法能有效捕获表征轴承退化状态的深度时空特征,与CNN-LSTM等方法相比,剩余寿命预测精度显著提高。 展开更多
关键词 滚动轴承 故障始发时刻 剩余寿命预测 改进图注意力双向门控循环单元
在线阅读 下载PDF
基于门控循环单元的基质栽培黄瓜结果期蒸散量预测模型
10
作者 朱鑫 林琼 +1 位作者 何淽琦 易志刚 《福建农业学报》 CAS CSCD 北大核心 2024年第5期532-539,共8页
【目的】实时、准确地预测基质栽培黄瓜结果期蒸散量,指导基质栽培黄瓜灌溉。【方法】通过传感器实时获取黄瓜结果期的温室小气候环境数据,用称量法测量黄瓜蒸散量,以移栽时间、空气温度、空气相对湿度、光照强度及前5天的日均灌溉量为... 【目的】实时、准确地预测基质栽培黄瓜结果期蒸散量,指导基质栽培黄瓜灌溉。【方法】通过传感器实时获取黄瓜结果期的温室小气候环境数据,用称量法测量黄瓜蒸散量,以移栽时间、空气温度、空气相对湿度、光照强度及前5天的日均灌溉量为输入变量,利用BP神经网络(Back propagation neural network,BPNN)、卷积神经网络(Convolutional neural networks,CNN)、长短期记忆网络(Long short-term memory,LSTM)和门控循环单元(Gated recurrent unit,GRU)分别建立基质栽培黄瓜蒸散量预测模型,比较不同模型的预测效果,模型数据集的时间间隔设为20 min。【结果】相较于BPNN、CNN及LSTM模型,GRU模型的预测效果最好,其决定系数(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)分别为0.8577、2.3279 g和1.6744 g。当实测的黄瓜每日实时累积蒸散量超过50 g时,GRU模型预测的黄瓜每日实时累积蒸散量与实测每日实时累积蒸散量之间的相对误差最小,在0.11%~10.01%。【结论】基于GRU的基质栽培黄瓜结果期蒸散量预测模型预测效果最好,可为基质栽培黄瓜的灌溉系统提供参考。 展开更多
关键词 蒸散量 基质栽培 门控循环单元 预测模型
在线阅读 下载PDF
基于互补集合经验模态分解和改进麻雀搜索算法优化双向门控循环单元的交通流组合预测模型 被引量:7
11
作者 殷礼胜 刘攀 +3 位作者 孙双晨 吴洋洋 施成 何怡刚 《电子与信息学报》 EI CSCD 北大核心 2023年第12期4499-4508,共10页
该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞... 该文针对短时交通流预测过程呈现的非线性、非平稳性及时序相关性特征,为提升预测的精度及收敛速度,提出一种基于互补集合经验模态分解(CEEMD)和改进麻雀搜索算法(ISSA)优化双向门控循环单元(BiGRU)的组合预测模型。首先,考虑到端点飞翼问题,通过改进CEEMD算法将交通流量序列分解为体现路网交通趋势性、周期性及随机性的本征模态函数(IMF)分量,有效提取了其中的先验特征;随后,利用BiGRU网络挖掘交通流量序列中的时序相关性特征,为避免局部最优,并提高麻雀搜索算法(SSA)全局搜索及局部开发能力,采用ISSA对BiGRU网络权值参数迭代择优。实验结果表明,该组合预测模型中各组件对提高预测精度均起到正向作用,同时在不同交通流量数据集下的预测性能较对比算法均更优,展现了精准、快速的预测表现以及良好的泛化能力。 展开更多
关键词 短时交通流预测 互补集合经验模态分解 麻雀搜索算法 双向门控循环单元 边界局部特征延拓
在线阅读 下载PDF
基于门控循环单元网络与模型融合的负荷聚合体预测方法 被引量:48
12
作者 陈海文 王守相 +1 位作者 王绍敏 王丹 《电力系统自动化》 EI CSCD 北大核心 2019年第1期65-72,共8页
随着智能电表的普及,以智能电表数据为基础,可按需求灵活划分不同规模的负荷聚合体并开展预测。由于负荷聚合体规模差异较大,并与用户负荷特性关系密切,传统预测方法不再适用。为此,提出了一种基于门控循环单元(GRU)网络与模型融合的负... 随着智能电表的普及,以智能电表数据为基础,可按需求灵活划分不同规模的负荷聚合体并开展预测。由于负荷聚合体规模差异较大,并与用户负荷特性关系密切,传统预测方法不再适用。为此,提出了一种基于门控循环单元(GRU)网络与模型融合的负荷聚合体预测方法。首先,通过分布式谱聚类算法获得负荷特性相近的负荷群体,然后进行分组预测,采用GRU作为元模型,对时间序列进行动态建模,利用随机森林算法融合多个结构不同的GRU网络,实现对负荷群体的预测,最终将各群体预测值求和得到负荷聚合体预测值。算例表明,得益于分组预测、动态时间建模及模型融合技术,所述方法能充分利用不同模型的结构优势,发现时间序列动态规律,在不同时间尺度下预测精度更高,对不同规模的负荷聚合体适用性更强。 展开更多
关键词 负荷预测 谱聚类 门控循环单元 模型融合
在线阅读 下载PDF
基于GRU门控循环单元的火电AGC数据建模及应用 被引量:1
13
作者 董建宁 张淇钧 +5 位作者 陈衡 冯福媛 潘佩媛 徐钢 王修彦 刘彤 《洁净煤技术》 CAS CSCD 北大核心 2024年第S01期406-413,共8页
为响应国家“双碳”目标,提高火电机组的运行灵活性,使用数学模型或仿真软件对火电AGC变负荷过程进行分析研究。而深度学习作为最火热的研究方法之一,将其应用于传统火电机组的大量数据集,可快速、轻便构建更具针对性和准确性的火电机组... 为响应国家“双碳”目标,提高火电机组的运行灵活性,使用数学模型或仿真软件对火电AGC变负荷过程进行分析研究。而深度学习作为最火热的研究方法之一,将其应用于传统火电机组的大量数据集,可快速、轻便构建更具针对性和准确性的火电机组AGC变负荷数据模型,对火电机组动态性能进行分析优化。对比不同循环神经网络框架,选择表现最优的GRU门控循环单元对火电机组变负荷过程进行数据建模,并通过遍历法提高模型精度,并结合自身数据集和物理仿真模型进行数据模型的多重验证。结果表明,基于门控循环单元搭建的数据模型可模拟火电机组在实际变负荷过程中的运行状况,并可模拟不同负荷指令组下的AGC变负荷过程,从而对最佳负荷指令组进行优化。根据模拟结果,在机组75%~100%THA升负荷过程中,调节精度提高了28.4%,在100%~75%THA降负荷过程中,调节精度提高了17.8%。 展开更多
关键词 自动发电控制 深度学习 门控循环单元 数据模型 负荷指令
在线阅读 下载PDF
八度卷积和双向门控循环单元结合的X光安检图像分类 被引量:3
14
作者 吴海滨 魏喜盈 +1 位作者 王爱丽 岩堀祐之 《中国光学》 EI CAS CSCD 北大核心 2020年第5期1138-1146,共9页
针对主动视觉安检方法准确率低、速度慢,不适用于实时交通安检的问题,提出了八度卷积(OctConv)和注意力机制双向门控循环单元(GRU)神经网络相结合的X光安检图像分类方法。首先,利用八度卷积代替传统卷积,对输入的特征向量进行高低分频,... 针对主动视觉安检方法准确率低、速度慢,不适用于实时交通安检的问题,提出了八度卷积(OctConv)和注意力机制双向门控循环单元(GRU)神经网络相结合的X光安检图像分类方法。首先,利用八度卷积代替传统卷积,对输入的特征向量进行高低分频,并降低低频特征的分辨率,在有效提取X光安检图像特征的同时,减少了空间冗余。其次,通过注意力机制双向GRU,动态学习调整特征权重,提高危险品分类准确率。最后,在通用SIXRay数据集上的实验表明,对8000幅测试样本的整体分类准确率(ACC)、特征曲线下方面积(AUC)、正类分类准确率(PRE)分别为98.73%、91.39%、85.44%,检测时间为36.80 s。相对于目前主流模型,本文方法有效提高了X光安检图像危险品分类的准确率和速度。 展开更多
关键词 X光安检图像 八度卷积 双向门控循环单元 注意力机制
在线阅读 下载PDF
基于双向门控变分编码回归网络的涡扇发动机剩余寿命预测 被引量:2
15
作者 徐浩 王波 +2 位作者 张猛 杨文龙 汪超 《计算机集成制造系统》 北大核心 2025年第2期616-626,共11页
针对涡扇发动机运行工况复杂,难以提取高维度、多参数监测数据的退化时序特征,从而影响模型预测性能的问题,提出一种基于双向门控变分编码回归网络的剩余使用寿命预测模型。首先在变分编码器(VAE)网络的编码端引入双向门控循环单元网络(... 针对涡扇发动机运行工况复杂,难以提取高维度、多参数监测数据的退化时序特征,从而影响模型预测性能的问题,提出一种基于双向门控变分编码回归网络的剩余使用寿命预测模型。首先在变分编码器(VAE)网络的编码端引入双向门控循环单元网络(BiGRU),充分挖掘多维度退化数据中的隐藏时序特征;其次重构变分编码器模型的解码器为回归网络,利用变分编码器潜在空间中的退化特征训练回归网络,并在损失函数中联合KL散度和回归误差来提高剩余使用寿命预测精度。为验证所提预测模型的高效性,在公开涡扇发动机数据集上与其他预测模型进行对比,验证了所提模型具有更优的预测精度。 展开更多
关键词 剩余寿命预测 变分编码器 双向门控循环单元网络 回归网络 涡扇发动机
在线阅读 下载PDF
基于变分模态分解的卷积神经网络−双向门控循环单元−多元线性回归多频组合短期电力负荷预测 被引量:21
16
作者 方娜 李俊晓 +1 位作者 陈浩 李新新 《现代电力》 北大核心 2022年第4期441-448,共8页
为了有效提高电力负荷预测精度,针对电力负荷非线性、非平稳性、时序性的特点,提出了一种卷积神经网络(convolutional neural networks,CNN)、双向门控循环单元(bidirectional gated recurrent unit,BiGRU)和多元线性回归(multiple line... 为了有效提高电力负荷预测精度,针对电力负荷非线性、非平稳性、时序性的特点,提出了一种卷积神经网络(convolutional neural networks,CNN)、双向门控循环单元(bidirectional gated recurrent unit,BiGRU)和多元线性回归(multiple linear regression,MLR)混合的多频组合短期电力负荷预测模型。该模型先利用关联度分析得到相似日,并将其负荷组成新的数据序列,同时使用变分模态分解(variational mode decomposition,VMD)将该数据序列进行分解,并重构成高低2种频率。对于高频分量,使用CNN-BiGRU模型进行预测;低频部分则使用MLR。最后将各个模型得出的预测结果叠加,得到最终预测结果。以2006年澳大利亚真实数据为例,进行短期电力负荷预测。仿真结果表明,相比于其他网络模型,该模型具有较高的预测精度和拟合能力,是一种有效的短期负荷预测方法。 展开更多
关键词 变分模态分解 卷积神经网络 双向门控循环单元 多元线性回归 负荷预测
在线阅读 下载PDF
基于卷积门控循环单元的波浪发电系统输出功率预测 被引量:1
17
作者 吴凡曈 杨俊华 +3 位作者 杨梦丽 林炳骏 梁惠溉 邱达磊 《太阳能学报》 EI CAS CSCD 北大核心 2024年第8期682-688,共7页
为高效准确预测波浪输出功率,提出卷积神经网络和门控循环单元混合模型波浪预测算法。采用间接预测方法,搭建直驱式波浪发电系统模型,运用CORREL函数分析不同波浪特征的相关性,结合卷积神经网络提取特征与高维空间中的波高关系,构造特... 为高效准确预测波浪输出功率,提出卷积神经网络和门控循环单元混合模型波浪预测算法。采用间接预测方法,搭建直驱式波浪发电系统模型,运用CORREL函数分析不同波浪特征的相关性,结合卷积神经网络提取特征与高维空间中的波高关系,构造特征向量,通过门控循环单元网络进行训练,将全连接层的输出值经反归一化后获得预测波高值,输入所搭建模型,获得波浪输出功率预测值。仿真结果表明,与其他网络模型相比,在多特征输入情况下,混合模型波浪预测算法预测效率更高、精度更准确。 展开更多
关键词 间接预测 波浪发电系统 卷积神经网络 门控循环单元 多特征输入 混合模型
在线阅读 下载PDF
基于变分模态分解和门控循环单元神经网络的变压器油中溶解气体预测模型 被引量:27
18
作者 谢乐 仇炜 +3 位作者 李振伟 刘洋 蒋启龙 刘东 《高电压技术》 EI CAS CSCD 北大核心 2022年第2期653-660,共8页
油中溶解气体分析是变压器早期故障诊断的一种有效方法,对变压器油中溶解气体进行精准预测,可为变压器早期故障监测和预警提供理论依据。为此本研究提出了一种基于变分模态分解和门控循环单元神经网络的变压器油中溶解气体预测模型。首... 油中溶解气体分析是变压器早期故障诊断的一种有效方法,对变压器油中溶解气体进行精准预测,可为变压器早期故障监测和预警提供理论依据。为此本研究提出了一种基于变分模态分解和门控循环单元神经网络的变压器油中溶解气体预测模型。首先对变压器原始油中溶解气体体积分数时间序列进行变分模态分解,将其分解为各子序列,消除其不平稳性的影响;然后分别建立门控循环单元神经网络预测模型对各子序列进行单步和多步预测;最后将预测得到的各子序列进行叠加重构从而得到对变压器油中溶解气体体积分数的单步和多步预测。算例分析表明,该模型单步预测的平均绝对误差和均方根误差分别为0.0576和0.0684,多步预测的平均绝对误差和均方根误差分别为0.1679和0.2041。相比于其他预测模型,该研究所提出模型在单步和多步预测能力上均有较大提升,为电力变压器监测预警提供了参考。 展开更多
关键词 变分模态分解 门控循环单元神经网络 变压器 油中溶解气体 预测模型
在线阅读 下载PDF
基于多重注意力卷积神经网络双向门控循环单元的机械故障诊断方法研究 被引量:18
19
作者 程建刚 毕凤荣 +3 位作者 张立鹏 李鑫 杨晓 汤代杰 《内燃机工程》 CAS CSCD 北大核心 2021年第4期77-83,92,共8页
为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力卷积神经网络双向门控循环单元(multiple attention-convolutional neural networks-bidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断... 为解决传统机械故障诊断方法需要人工提取特征的不足,提出一种基于多重注意力卷积神经网络双向门控循环单元(multiple attention-convolutional neural networks-bidirectional gated recurrent unit,MA-CNN-BiGRU)的端到端的故障诊断方法。首先将原始时域数据输入卷积神经网络(convolutional meural networks,CNN)进行初步特征提取并降维,然后将结果重组输入双向门控循环单元(bidirectional gated recurrent unit,BiGRU),可以有效地解决BiGRU对于过长序列数据处理困难的问题。采用美国凯斯西储大学开源轴承数据集进行训练,确定了最佳卷积层数和最佳样本长度约减比例分别为2和1/8。同时,通过在CNN和BiGRU中分别加入卷积注意力模块(convolutional block attention module,CBAM)和序列注意力模块(sequence attention module,SAM),进一步加强了模型对于关键信息的提取能力。最后实测柴油机故障振动信号试验表明:MA-CNN-BiGRU模型可以实现端到端的故障诊断,与变分模态分解(variational mode decomposition,VMD)核模糊C均值聚类算法(VMD-kernel fuzzy C-means clustering,VMD-KFCM)、VMD-反向传播神经网络(back propagation neural network,BPNN)和一维CNN等方法进行对比,MA-CNN-BiGRU模型的故障诊断性能更优。 展开更多
关键词 注意力 故障诊断 多重注意力卷积神经网络双向门控循环单元(MA-CNN-BiGRU) 端到端
在线阅读 下载PDF
基于卷积神经网络和双向门控循环单元网络注意力机制的情感分析 被引量:15
20
作者 张腾 刘新亮 高彦平 《科学技术与工程》 北大核心 2021年第1期269-274,共6页
传统的情感分析方法不能获取全局特征,以及否定词、转折词和程度副词的出现影响句子极性判断。在深度学习方法基础上提出了基于卷积神经网络和双向门控循环单元网络注意力机制的短文本情感分析方法。将情感积分引入卷积神经网络,利用情... 传统的情感分析方法不能获取全局特征,以及否定词、转折词和程度副词的出现影响句子极性判断。在深度学习方法基础上提出了基于卷积神经网络和双向门控循环单元网络注意力机制的短文本情感分析方法。将情感积分引入卷积神经网络,利用情感词自身信息,通过双向门控循环网络模型获取全局特征,对影响句子极性的否定词、转折词和程度副词引入注意力机制实现对这类词的重点关注,提取影响句子极性的重要信息。实验结果表明,该模型与现有相关模型相比,有效提高情感分类的准确率。 展开更多
关键词 深度学习 双向门控循环单元(Bi-GRU) 注意力机制 卷积神经网络 情感分析
在线阅读 下载PDF
上一页 1 2 18 下一页 到第
使用帮助 返回顶部