检索结果-维普期刊中文期刊服务平台

基于变分模态分解与集成深度模型的锂电池剩余寿命预测方法被引量：34: 1; 作者王冉后麒麟 +2 位作者石如玉周雁翔胡雄《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第4期111-120,共10页; 锂电池剩余寿命(RUL)预测对于锂电池安全使用至关重要。由于锂电池使用过程中存在容量再生现象和随机干扰等因素,导致单一尺度信号下单一模型的预测精度及泛化性能较差。针对上述问题,提出一种新的基于变分模态分解(VMD)与集成深度模型... 展开更多; 关键词锂电池剩余寿命预测变分模态分解长短期记忆神经网络多层感知机集成深度模型; 在线阅读下载PDF 职称材料

基于变分模态分解和注意力机制的浪高预测被引量：7: 2; 作者卢鹏年圣全 +2 位作者邹国良王振华郑宗生《海洋测绘》 CSCD 北大核心 2021年第2期34-39,共6页; 针对海洋中的海浪高度数据存在非线性和非平稳性的特点,海浪高度的预测就变得相对复杂。基于变分模态分解(VMD),在引入注意力机制(AM)的基础上,对传统长短期记忆(LSTM)神经网络算法进行了改进,提出了一种基于混合模型的海浪高度预测算... 展开更多; 关键词海浪高度预测变分模态分解注意力机制长短期记忆神经网络混合模型; 在线阅读下载PDF 职称材料

基于PIA数据修复和聚类的MVMD-CNN-BiLSTM-ATT短期光伏功率预测: 3; 作者赵晶晶盛杰 +2 位作者王涵周瑞康范宏《太阳能学报》北大核心 2025年第9期547-554,共8页; 为提高光伏发电系统输出功率的预测精度,提出一种基于皮尔逊插值算法(PIA)、模糊C均值聚类算法(FCM)、多元变分模态分解(MVMD)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(ATTENTION)的短期光伏功率预测组合模型。首... 展开更多; 关键词光伏功率预测模型多元变分模态分解模糊聚类双向长短期记忆神经网络注意力机制; 在线阅读下载PDF 职称材料

计及相似日的VMD-FE-LSTM光伏出力组合预测模型研究被引量：8: 4; 作者王涛李薇 +2 位作者许野王旭王鑫鹏《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期490-499,共10页; 针对光伏出力的随机性和波动性导致预测精度偏低的问题,构建一套融合相似日理论、变分模态分解法、模糊熵计算方法和深度学习算法的光伏出力组合预测模型。在运用灰色关联分析法确定影响光伏出力的关键气象因素和使用综合相似距离法选... 展开更多; 关键词光伏发电预测模型变分模态分解长短期记忆神经网络综合相似距离模糊熵; 在线阅读下载PDF 职称材料

InSAR监测数据的地表沉陷深度学习预测模型研究: 5; 作者李刚支梦辉 +3 位作者李斌杨帆彭志伟李东亮《中国安全科学学报》北大核心 2025年第S1期107-113,共7页; 为研究地下采矿引发的地面沉降预测问题,以山西省晋城市阳城县为背景开展地表沉降监测与预测方法研究。首先,获取2018年1月至2020年12月期间的Sentinel-1 SAR影像(81景),结合数字高程模型(DEM)、大气校正在线服务(GACOS)及精密轨道数据... 展开更多; 关键词地面沉降形变预测小基线集干涉合成孔径雷达(SBAS-InSAR)技术长短期记忆网络(LSTM)模型变分模态分解-长短期记忆网络(vmd-bp)模型; 在线阅读下载PDF 职称材料

基于横纵向集成学习的短期负荷预测方法被引量：1: 6; 作者徐耀松叶雨洁 +2 位作者王雨虹屠乃威王丹丹《控制工程》 CSCD 北大核心 2023年第3期504-512,共9页; 为进一步提高预测的准确度和普适能力,并降低组成算法的复杂度,对负荷的固有特性进行横纵向二维化分析,结合误差分布的特点,提出基于横纵向剖析负荷特性的集成预测方法。初级模型采用互信息提取横向特征,通过长短期记忆网络(LSTM)感知... 展开更多; 关键词横纵向负荷特性长短期记忆网络变分模态分解 ELMAN神经网络改进Stacking集成模型; 在线阅读下载PDF 职称材料

基于优化组合模型的PM2.5浓度预测被引量：4: 7; 作者杨国亮余华声黄聪《计算机工程与设计》北大核心 2023年第10期3132-3137,共6页; 为精确预测出具有非线性、非平稳的PM2.5时序数据,提出基于PSO-VMD-LSTM的组合模型。融合机器学习优化算法和深度学习技术,其中利用以包络熵为适应度函数的PSO机器学习算法对VMD分解过程中的惩罚因子和模态个数进行迭代寻优,基于分解处... 展开更多; 关键词 PM2.5浓度预测时间序列适应度函数粒子群优化变分模态分解长短期记忆网络组合模型; 在线阅读下载PDF 职称材料

题名基于变分模态分解与集成深度模型的锂电池剩余寿命预测方法被引量：34: 1; 作者王冉后麒麟石如玉周雁翔胡雄; 机构上海海事大学物流工程学院上海航空测试技术研究所故障诊断与健康管理技术航空科技重点实验室; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第4期111-120,共10页; 基金国家自然科学基金(51505277)项目资助。; 文摘锂电池剩余寿命(RUL)预测对于锂电池安全使用至关重要。由于锂电池使用过程中存在容量再生现象和随机干扰等因素,导致单一尺度信号下单一模型的预测精度及泛化性能较差。针对上述问题,提出一种新的基于变分模态分解(VMD)与集成深度模型的锂电池剩余寿命预测方法。首先,采用变分模态分解将锂电池容量数据进行多尺度分解,得到信号的全局退化趋势和局部随机波动分量;然后,分别采用多层感知机(MLP)和长短期记忆神经网络(LSTM)对全局退化趋势和各波动分量进行建模;最后,将各个分量子模型的预测结果进行集成,获得最终的锂电池剩余寿命预测结果。实验结果表明,该方法具有较高的预测精度与稳定性。; 关键词锂电池剩余寿命预测变分模态分解长短期记忆神经网络多层感知机集成深度模型; Keywords remaining useful life prediction of lithium battery variational mode decomposition long short-term memory neural network multilayer perceptron integrated deep model; 分类号 TH165 [机械工程—机械制造及自动化] TP206.3 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于变分模态分解和注意力机制的浪高预测被引量：7: 2; 作者卢鹏年圣全邹国良王振华郑宗生; 机构上海海洋大学信息学院; 出处《海洋测绘》 CSCD 北大核心 2021年第2期34-39,共6页; 基金上海市地方能力建设项目(19050502100) 上海海洋大学科技发展专项(A2-2006-20-200211)。; 文摘针对海洋中的海浪高度数据存在非线性和非平稳性的特点,海浪高度的预测就变得相对复杂。基于变分模态分解(VMD),在引入注意力机制(AM)的基础上,对传统长短期记忆(LSTM)神经网络算法进行了改进,提出了一种基于混合模型的海浪高度预测算法。算法通过预处理、预测和重构3个主要步骤,对海浪高度的时间序列进行预测。为了比较和说明,以太平洋东北海盆海域和马尾藻海域的4个站点浮标数据进行实验。实验结果表明,本文提出的混合模型(VALM)将海浪高度数据分解为更平稳和更规则的子序列;可以更好的区分数据之间的重要程度,并能够携带更多信息的数据;与支持向量回归(SVR)、人工神经网络(ANN)和LSTM等模型进行比较,VALM模型的预测效果最好且具备一定的鲁棒性。; 关键词海浪高度预测变分模态分解注意力机制长短期记忆神经网络混合模型; Keywords wave height prediction variational modal decomposition attention mechanism long and short memory neural network hybrid model; 分类号 P229.7 [天文地球—大地测量学与测量工程]; 在线阅读下载PDF 职称材料

题名基于PIA数据修复和聚类的MVMD-CNN-BiLSTM-ATT短期光伏功率预测: 3; 作者赵晶晶盛杰王涵周瑞康范宏; 机构上海电力大学电气工程学院; 出处《太阳能学报》北大核心 2025年第9期547-554,共8页; 基金国家重点研发计划(2022YFA1004600)。; 文摘为提高光伏发电系统输出功率的预测精度,提出一种基于皮尔逊插值算法(PIA)、模糊C均值聚类算法(FCM)、多元变分模态分解(MVMD)、卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(ATTENTION)的短期光伏功率预测组合模型。首先,利用PIA对光伏电站采集的原始数据进行修复;其次,FCM算法将历史数据聚类为晴天、阴天、雨天;然后,通过MVMD对光伏功率进行分解,得到若干本征模态函数;接着,采用CNN和BiLSTM网络相结合充分提取各本征模态函数的特征,同时引入注意力机制以突出重要信息并赋予其权重;最后,对各本征模态函数预测,将各预测值叠加得到最终预测结果,与其他光伏功率预测模型对比验证所提混合模型具有更好的预测精度。; 关键词光伏功率预测模型多元变分模态分解模糊聚类双向长短期记忆神经网络注意力机制; Keywords photovoltaic power prediction model multivariate variational mode decomposition fuzzy clustering bidirectional long short-term memory neural network attention mechanism; 分类号 TM615 [电气工程—电力系统及自动化] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名计及相似日的VMD-FE-LSTM光伏出力组合预测模型研究被引量：8: 4; 作者王涛李薇许野王旭王鑫鹏; 机构华北电力大学核科学与工程学院; 出处《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期490-499,共10页; 基金国家自然科学基金面上项目(62073134)。; 文摘针对光伏出力的随机性和波动性导致预测精度偏低的问题,构建一套融合相似日理论、变分模态分解法、模糊熵计算方法和深度学习算法的光伏出力组合预测模型。在运用灰色关联分析法确定影响光伏出力的关键气象因素和使用综合相似距离法选定待预测日的历史相似日的基础上,利用模糊熵对变分模态分解的光伏出力分量进行重组,得到若干规律性较强的新序列;然后,分别构建各重组序列的长短期记忆神经网络预测模型;最终,对重组序列的预测值进行求和得到预测结果。该组合模型在云南某光伏电站的应用结果表明,对比其他模型,所提出的组合预测模型精度更高,具有很好的应用前景。; 关键词光伏发电预测模型变分模态分解长短期记忆神经网络综合相似距离模糊熵; Keywords photovoltaic power prediction model variational mode decomposition long short-term memory neural network comprehensive similar distance fuzzy entropy; 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InSAR监测数据的地表沉陷深度学习预测模型研究: 5; 作者李刚支梦辉李斌杨帆彭志伟李东亮; 机构山西晋煤集团技术研究院有限责任公司山西省地球物理勘探创新技术中心辽宁工程技术大学测绘与地理科学学院晋能控股集团晋圣松峪煤业有限公司晋能控股集团赵庄煤业有限责任公司; 出处《中国安全科学学报》北大核心 2025年第S1期107-113,共7页; 基金国家自然科学基金资助(50604009),辽宁省教育厅科学技术研究项目(LJ2020JCL006) 自然资源部国土卫星遥感应用重点实验室资助项目(LSMNR-202107)。; 文摘为研究地下采矿引发的地面沉降预测问题,以山西省晋城市阳城县为背景开展地表沉降监测与预测方法研究。首先,获取2018年1月至2020年12月期间的Sentinel-1 SAR影像(81景),结合数字高程模型(DEM)、大气校正在线服务(GACOS)及精密轨道数据,采用小基线集干涉合成孔径雷达(SBAS-InSAR)技术精细化监测区域地表形变情况,揭示其时序演化与空间分布特征(最大沉降速率达27.84 mm/a);然后,构建基于变分模态分解(VMD)与反向传播(BP)神经网络相结合的混合预测模型(VMD-BP);最后,将该模型预测性能与传统长短期记忆网络(LSTM)模型及变分模态分解与长短期记忆网络(VMD-LSTM)模型进行对比分析。结果表明:VMD-BP模型显著提升了预测精度,在测试点位(点位a)的均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别低至0.27801 mm、0.23429 mm和0.39%,远优于LSTM及VMD-LSTM模型。; 关键词地面沉降形变预测小基线集干涉合成孔径雷达(SBAS-InSAR)技术长短期记忆网络(LSTM)模型变分模态分解-长短期记忆网络(vmd-bp)模型; Keywords surface subsidence deformation prediction small baseline subset interferometric synthetic aperture radar(SBAS-InSAR)technique long short-term memory(LSTM)model variational mode decomposition-back propagation(vmd-bp)model; 分类号 X948 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名基于横纵向集成学习的短期负荷预测方法被引量：1: 6; 作者徐耀松叶雨洁王雨虹屠乃威王丹丹; 机构辽宁工程技术大学电气与控制工程学院辽宁工程技术大学机械工程学院; 出处《控制工程》 CSCD 北大核心 2023年第3期504-512,共9页; 基金国家自然科学基金面上项目(51974151) 国家自然科学基金青年基金项目(61601212) 辽宁省教育厅重点实验室项目(LJZS003)。; 文摘为进一步提高预测的准确度和普适能力,并降低组成算法的复杂度,对负荷的固有特性进行横纵向二维化分析,结合误差分布的特点,提出基于横纵向剖析负荷特性的集成预测方法。初级模型采用互信息提取横向特征,通过长短期记忆网络(LSTM)感知负荷波动;采用变分模态分解(VMD)提取纵向特征,通过Elman神经网络预知负荷趋势;然后基于改进的Stacking融合构建横纵向集成学习模型。最后,采用中国东部某地区的负荷数据验证模型的有效性,算例表明改进的Stacking充分融合了横纵向模型的优势并具备强大的学习小样本能力,横纵向集成预测方法有效提高了模型的预测精度和泛化能力。; 关键词横纵向负荷特性长短期记忆网络变分模态分解 ELMAN神经网络改进Stacking集成模型; Keywords Transverse and longitudinal load characteristics long-short term memory(LSTM) variational mode decomposition(VMD) Elman neural network improved Stacking integrated algorithm; 分类号 TM732 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于优化组合模型的PM2.5浓度预测被引量：4: 7; 作者杨国亮余华声黄聪; 机构江西理工大学电气工程与自动化学院; 出处《计算机工程与设计》北大核心 2023年第10期3132-3137,共6页; 基金国家自然科学基金项目(51365017) 江西省教育厅科技计划基金项目(GJJ190450)。; 文摘为精确预测出具有非线性、非平稳的PM2.5时序数据,提出基于PSO-VMD-LSTM的组合模型。融合机器学习优化算法和深度学习技术,其中利用以包络熵为适应度函数的PSO机器学习算法对VMD分解过程中的惩罚因子和模态个数进行迭代寻优,基于分解处理后的数据进行LSTM深度学习模型预测。构建两种经典分解组合模型作为对照,结果表明,在相同迭代次数情况下,时序分解处理后的LSTM预测比未分解时的预测精度和效果都有明显改善;与经典分解组合模型相比,该模型在准确度和评估指标上均取得最佳预测效果,在PM2.5浓度预测上具有一定普适性。; 关键词 PM2.5浓度预测时间序列适应度函数粒子群优化变分模态分解长短期记忆网络组合模型; Keywords PM2.5 concentration prediction time series fitness function PSO VMD LSTM combined model; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 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	基于变分模态分解与集成深度模型的锂电池剩余寿命预测方法	王冉后麒麟石如玉周雁翔胡雄	《仪器仪表学报》 EI CAS CSCD 北大核心	2021	34	在线阅读下载PDF 职称材料
2	基于变分模态分解和注意力机制的浪高预测	卢鹏年圣全邹国良王振华郑宗生	《海洋测绘》 CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料
3	基于PIA数据修复和聚类的MVMD-CNN-BiLSTM-ATT短期光伏功率预测	赵晶晶盛杰王涵周瑞康范宏	《太阳能学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	计及相似日的VMD-FE-LSTM光伏出力组合预测模型研究	王涛李薇许野王旭王鑫鹏	《太阳能学报》 EI CAS CSCD 北大核心	2024	8	在线阅读下载PDF 职称材料
5	InSAR监测数据的地表沉陷深度学习预测模型研究	李刚支梦辉李斌杨帆彭志伟李东亮	《中国安全科学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
6	基于横纵向集成学习的短期负荷预测方法	徐耀松叶雨洁王雨虹屠乃威王丹丹	《控制工程》 CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
7	基于优化组合模型的PM2.5浓度预测	杨国亮余华声黄聪	《计算机工程与设计》北大核心	2023	4	在线阅读下载PDF 职称材料