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
3
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
基于多站点预测模型的分布式光伏电站智能选址方法
被引量：
1
1
作者
宋玲
常隆涛
+3 位作者
吕舜铭
杨朝晖
刘新锋
陈关忠
《郑州大学学报(工学版)》
北大核心
2025年第2期119-126,134,共9页
为了提升光伏电站运营效率,针对多站点选址问题提出了一种多站点预测模型(MSFM),通过时空相关性、事件数据和气象因素来预测多站点的电力输出。引入三维张量来表示时空数据,采用张量分解技术恢复零条目,并利用三维张量和ResNet模型模拟...
为了提升光伏电站运营效率,针对多站点选址问题提出了一种多站点预测模型(MSFM),通过时空相关性、事件数据和气象因素来预测多站点的电力输出。引入三维张量来表示时空数据,采用张量分解技术恢复零条目,并利用三维张量和ResNet模型模拟时空邻接性、趋势、事件文本数据及气象影响。根据山东省济南市的1 155个光伏发电站运行数据和气象数据建立实验数据集,通过平均绝对误差、相对绝对误差、均方根误差和相对均方根误差来验证所提方法的效果,4个评价指标分别至少降低了2.3%、0.9%、2.6%、2.5%。实验结果表明:所提方法能够应用于多站点选址问题。
展开更多
关键词
智能选址
多站点
电力输出
预测
深度残差网络
模型融合
时空相关性
在线阅读
下载PDF
职称材料
基于改进图卷积的多站点海浪高度预测方法
2
作者
卢鹏
王慧
+1 位作者
王振华
郑宗生
《海洋测绘》
北大核心
2025年第4期37-42,共6页
海浪高度的变化不仅随时间变化,还受周围海域的影响。针对现有方法仅关注单一站点的时序特征,缺乏对同一区域内不同站点间海浪高度的时空信息提取问题,提出一种改进图卷积的多站点海浪高度预测模型SD-STSGCN。首先采用基于密度的K-mean...
海浪高度的变化不仅随时间变化,还受周围海域的影响。针对现有方法仅关注单一站点的时序特征,缺乏对同一区域内不同站点间海浪高度的时空信息提取问题,提出一种改进图卷积的多站点海浪高度预测模型SD-STSGCN。首先采用基于密度的K-means聚类对站点分组;其次提出缩放距离因子构建邻接矩阵以动态调整权重;最后结合扩张卷积的时空同步图卷积模块捕捉时空特征,非线性映射输出各组站点未来时段的海浪高度预测结果。在覆盖多维度场景的44个站点上进行大区域实验,结果表明,相比于LSTM和TCN等模型,SD-STSGCN的预测效果最好,该方法有效挖掘了多站点时空相关性,为海浪高度预测提供了有效的补充方案。
展开更多
关键词
海浪高度
预测
多站点预测
时空同步图卷积
时空相关性
邻接矩阵
在线阅读
下载PDF
职称材料
一种卷积自编码深度学习的空气污染多站点联合预测模型
被引量：
4
3
作者
张波
陆云杰
+1 位作者
秦东明
邹国建
《电子学报》
EI
CAS
CSCD
北大核心
2022年第6期1410-1427,共18页
城市空气污染因空间扩散特性呈现出区域内的浓度高关联性.因此如何通过多个空气污染监测站的时空数据预测特定目标地点的污染情况,以解决站点分布不匀的问题,是一个重要的研究工作.本文结合空气污染物因素特性和气象因素的多维度影响,...
城市空气污染因空间扩散特性呈现出区域内的浓度高关联性.因此如何通过多个空气污染监测站的时空数据预测特定目标地点的污染情况,以解决站点分布不匀的问题,是一个重要的研究工作.本文结合空气污染物因素特性和气象因素的多维度影响,提出了一个利用区域内多站点空间监测数据实现特定目标站点的空气污染物浓度预测模型.该模型通过多层卷积神经网络(Convolutional Neural Network,CNN)实现城市多站点污染物浓度与气象数据之间的维度关联特征及空间关联特征学习,进而利用基于多层长短期记忆网络(Long Short-Term Memory,LSTM)的自编码网络实现多站点浓度的时序关联特征分析.实验通过真实数据集验证,所提出的预测模型获得了高于传统机器学习污染物浓度预测模型的预测准确度,且在多个城市数据集上验证了模型的泛化能力.
展开更多
关键词
深度学习
空气污染
时空数据
多站点
联合
预测
卷积神经网络
长短期记忆网络
在线阅读
下载PDF
职称材料
题名
基于多站点预测模型的分布式光伏电站智能选址方法
被引量：
1
1
作者
宋玲
常隆涛
吕舜铭
杨朝晖
刘新锋
陈关忠
机构
山东建筑大学计算机科学与技术学院
国家电网信息通信云运营中心
出处
《郑州大学学报(工学版)》
北大核心
2025年第2期119-126,134,共9页
基金
国家自然科学基金资助项目(51975332,62177031)
山东省重大科技创新项目(2021CXGC011204)
文摘
为了提升光伏电站运营效率,针对多站点选址问题提出了一种多站点预测模型(MSFM),通过时空相关性、事件数据和气象因素来预测多站点的电力输出。引入三维张量来表示时空数据,采用张量分解技术恢复零条目,并利用三维张量和ResNet模型模拟时空邻接性、趋势、事件文本数据及气象影响。根据山东省济南市的1 155个光伏发电站运行数据和气象数据建立实验数据集,通过平均绝对误差、相对绝对误差、均方根误差和相对均方根误差来验证所提方法的效果,4个评价指标分别至少降低了2.3%、0.9%、2.6%、2.5%。实验结果表明:所提方法能够应用于多站点选址问题。
关键词
智能选址
多站点
电力输出
预测
深度残差网络
模型融合
时空相关性
Keywords
intelligent site selection
multi-site power output forecasting
deep residual networks
model fusion
spatiotemporal correlation
分类号
TP391 [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
基于改进图卷积的多站点海浪高度预测方法
2
作者
卢鹏
王慧
王振华
郑宗生
机构
上海海洋大学信息学院
出处
《海洋测绘》
北大核心
2025年第4期37-42,共6页
基金
上海市科委科研计划项目(20dz1203800)。
文摘
海浪高度的变化不仅随时间变化,还受周围海域的影响。针对现有方法仅关注单一站点的时序特征,缺乏对同一区域内不同站点间海浪高度的时空信息提取问题,提出一种改进图卷积的多站点海浪高度预测模型SD-STSGCN。首先采用基于密度的K-means聚类对站点分组;其次提出缩放距离因子构建邻接矩阵以动态调整权重;最后结合扩张卷积的时空同步图卷积模块捕捉时空特征,非线性映射输出各组站点未来时段的海浪高度预测结果。在覆盖多维度场景的44个站点上进行大区域实验,结果表明,相比于LSTM和TCN等模型,SD-STSGCN的预测效果最好,该方法有效挖掘了多站点时空相关性,为海浪高度预测提供了有效的补充方案。
关键词
海浪高度
预测
多站点预测
时空同步图卷积
时空相关性
邻接矩阵
Keywords
wave height prediction
multi-site prediction
spatial-temporal synchronous graph convolutional network
spatial-temporal correlation
adjacency matrix
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
一种卷积自编码深度学习的空气污染多站点联合预测模型
被引量：
4
3
作者
张波
陆云杰
秦东明
邹国建
机构
上海师范大学信息与机电工程学院
同济大学电子与信息工程学院
上海智能教育大数据工程技术研究中心
中科三清科技有限公司
出处
《电子学报》
EI
CAS
CSCD
北大核心
2022年第6期1410-1427,共18页
基金
国家自然科学基金(No.61802258,No.61572326)
上海自然科学基金(No.18ZR1428300)。
文摘
城市空气污染因空间扩散特性呈现出区域内的浓度高关联性.因此如何通过多个空气污染监测站的时空数据预测特定目标地点的污染情况,以解决站点分布不匀的问题,是一个重要的研究工作.本文结合空气污染物因素特性和气象因素的多维度影响,提出了一个利用区域内多站点空间监测数据实现特定目标站点的空气污染物浓度预测模型.该模型通过多层卷积神经网络(Convolutional Neural Network,CNN)实现城市多站点污染物浓度与气象数据之间的维度关联特征及空间关联特征学习,进而利用基于多层长短期记忆网络(Long Short-Term Memory,LSTM)的自编码网络实现多站点浓度的时序关联特征分析.实验通过真实数据集验证,所提出的预测模型获得了高于传统机器学习污染物浓度预测模型的预测准确度,且在多个城市数据集上验证了模型的泛化能力.
关键词
深度学习
空气污染
时空数据
多站点
联合
预测
卷积神经网络
长短期记忆网络
Keywords
deep learning
air pollution
spatio-temporal data
multiple sites joint prediction
convolutional neural network
long short-term memory network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
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
作者
出处
发文年
被引量
操作
1
基于多站点预测模型的分布式光伏电站智能选址方法
宋玲
常隆涛
吕舜铭
杨朝晖
刘新锋
陈关忠
《郑州大学学报(工学版)》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基于改进图卷积的多站点海浪高度预测方法
卢鹏
王慧
王振华
郑宗生
《海洋测绘》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
一种卷积自编码深度学习的空气污染多站点联合预测模型
张波
陆云杰
秦东明
邹国建
《电子学报》
EI
CAS
CSCD
北大核心
2022
4
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
