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
基于改进双阶段注意力机制的降水智能预报
被引量：
3
1
作者
戈苗苗
陆振宇
+1 位作者
梁邵阳
夏英茹
《南京信息工程大学学报（自然科学版）》
CAS
北大核心
2021年第6期744-752,共9页
为提高现有时间序列算法降水预报的准确率,本文提出一种基于改进双阶段注意力机制的时间序列降水预报模型(DeepAMogLSTM).该算法分为两部分,在输入注意力机制中,使用三层注意力机制对输入序列进行多重关注,选择稳定的输入特征;在时间注...
为提高现有时间序列算法降水预报的准确率,本文提出一种基于改进双阶段注意力机制的时间序列降水预报模型(DeepAMogLSTM).该算法分为两部分,在输入注意力机制中,使用三层注意力机制对输入序列进行多重关注,选择稳定的输入特征;在时间注意力中,通过选择与目标值最相关的隐层状态,捕获时间序列的长期相关性.算法同时引入形变长短时记忆网络(Mogrifier LSTM),增强模型特征表示能力.模型使用2016-2019年预处理的自动站点特征数据和欧洲中期天气预报中心(ECMWF)气象场模式资料进行集成预报,并利用同期实况观测资料进行模式预报订正.实验结果表明:该模型在时效为2 h的降水预报中,各项数值评价指标均有改善,其中均方根误差为1.877 mm,平均绝对误差为0.727 mm,拟合优度(R^(2))为0.783;同时与其他模型预报订正效果相比,该模型较好地拟合了实际降水空间分布.
展开更多
关键词
时间序列预测
降水量预测
形变LSTM
双阶段注意力机制
在线阅读
下载PDF
职称材料
基于特征时间双注意力机制的短期光伏发电预测深度学习模型研究
2
作者
王建军
潘佳音
+1 位作者
赵珍珠
肇启迪
《智慧电力》
北大核心
2025年第4期81-87,共7页
针对光伏发电预测中存在的输入特征变量选择不精准和长时间历史信息难以捕捉等问题,提出一种基于特征时间双注意力机制的短期光伏发电功率预测深度学习模型(DA-GRU)。利用特征注意力机制挖掘不同影响特征对光伏发电功率的重要程度,通过...
针对光伏发电预测中存在的输入特征变量选择不精准和长时间历史信息难以捕捉等问题,提出一种基于特征时间双注意力机制的短期光伏发电功率预测深度学习模型(DA-GRU)。利用特征注意力机制挖掘不同影响特征对光伏发电功率的重要程度,通过时间注意力机制衡量历史信息在不同时间点上的重要性,从而有效捕捉长时间序列上的变化趋势。算例分析表明,所提模型在各项评价指标上均优于其它对比模型,说明其对复杂非线性光伏发电功率数据有较好的适应性。
展开更多
关键词
光伏发电预测
双阶段注意力机制
门控循环单元
在线阅读
下载PDF
职称材料
题名
基于改进双阶段注意力机制的降水智能预报
被引量：
3
1
作者
戈苗苗
陆振宇
梁邵阳
夏英茹
机构
南京信息工程大学电子与信息工程学院
南京信息工程大学人工智能学院
出处
《南京信息工程大学学报（自然科学版）》
CAS
北大核心
2021年第6期744-752,共9页
基金
国家自然科学基金(61773220)
国家重点研发计划(2016YFC0203301)
+1 种基金
江苏省自然科学基金(BK20150523)
国家自然科学基金联合重点项目(U20B2061)。
文摘
为提高现有时间序列算法降水预报的准确率,本文提出一种基于改进双阶段注意力机制的时间序列降水预报模型(DeepAMogLSTM).该算法分为两部分,在输入注意力机制中,使用三层注意力机制对输入序列进行多重关注,选择稳定的输入特征;在时间注意力中,通过选择与目标值最相关的隐层状态,捕获时间序列的长期相关性.算法同时引入形变长短时记忆网络(Mogrifier LSTM),增强模型特征表示能力.模型使用2016-2019年预处理的自动站点特征数据和欧洲中期天气预报中心(ECMWF)气象场模式资料进行集成预报,并利用同期实况观测资料进行模式预报订正.实验结果表明:该模型在时效为2 h的降水预报中,各项数值评价指标均有改善,其中均方根误差为1.877 mm,平均绝对误差为0.727 mm,拟合优度(R^(2))为0.783;同时与其他模型预报订正效果相比,该模型较好地拟合了实际降水空间分布.
关键词
时间序列预测
降水量预测
形变LSTM
双阶段注意力机制
Keywords
time series prediction
precipitation forecast
Mogrifier LSTM
dual-stage attention mechanism
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
基于特征时间双注意力机制的短期光伏发电预测深度学习模型研究
2
作者
王建军
潘佳音
赵珍珠
肇启迪
机构
华北电力大学经济与管理学院
出处
《智慧电力》
北大核心
2025年第4期81-87,共7页
基金
国家自然科学基金资助项目(72071077)。
文摘
针对光伏发电预测中存在的输入特征变量选择不精准和长时间历史信息难以捕捉等问题,提出一种基于特征时间双注意力机制的短期光伏发电功率预测深度学习模型(DA-GRU)。利用特征注意力机制挖掘不同影响特征对光伏发电功率的重要程度,通过时间注意力机制衡量历史信息在不同时间点上的重要性,从而有效捕捉长时间序列上的变化趋势。算例分析表明,所提模型在各项评价指标上均优于其它对比模型,说明其对复杂非线性光伏发电功率数据有较好的适应性。
关键词
光伏发电预测
双阶段注意力机制
门控循环单元
Keywords
photovoltaic power generation forecasting
dual-stage attention mechanism
gate recurrent unit
分类号
TM615 [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
作者
出处
发文年
被引量
操作
1
基于改进双阶段注意力机制的降水智能预报
戈苗苗
陆振宇
梁邵阳
夏英茹
《南京信息工程大学学报（自然科学版）》
CAS
北大核心
2021
3
在线阅读
下载PDF
职称材料
2
基于特征时间双注意力机制的短期光伏发电预测深度学习模型研究
王建军
潘佳音
赵珍珠
肇启迪
《智慧电力》
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
