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
共找到178篇文章
< 1 2 … 9 >
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：
基于自适应噪声完备经验模态分解−样本熵−长短期记忆神经网络和核密度估计的短期电力负荷区间预测 被引量：23
1
作者 赵会茹 张士营 +2 位作者 赵一航 刘红雨 邱宝红 《现代电力》 北大核心 2021年第2期138-146,共9页
短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自... 短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自适应噪声完备经验模态分解方法将负荷序列分解为多个模态分量,并根据不同序列样本熵的计算结果将序列进行重构以降低运算量。在此基础上,针对每一个分量分别构建长短期记忆神经网络预测模型,得到未来负荷点预测值。基于此利用核密度估计方法对预测误差的分布进行估计,进而结合点预测结果实现未来短期负荷的区间预测。通过将此模型与其他模型进行对比,结果表明此模型能够实现更低的点预测误差,同时在区间预测中也表现出更好的综合性能。 展开更多
关键词 短期负荷预测 自适应噪声完备经验模态分解 长短期记忆神经网络 核密度估计
在线阅读 下载PDF
采用样本熵自适应噪声完备经验模态分解的脑电信号眼电伪迹去除算法 被引量：17
2
作者 杨磊 杨帆 何艳 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第8期177-184,共8页
针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行... 针对脑电(EEG)信号容易被眼电(EOG)伪迹污染,而常规伪迹去除算法会导致EEG有用信息大量丢失的问题,提出一种采用样本熵完备经验模态分解的EOG伪迹去除算法。首先,利用独立成分分析(ICA)算法将EEG分解为独立分量;然后,对各独立分量进行样本熵分析,接着引入阈值对伪迹分量进行自动识别,识别后的伪迹分量经过自适应噪声完备经验模态分解(CEEMDAN)算法分解后采用小波阈值降噪;最后采用逆CEEMDAN和逆ICA算法重构信号,达到伪迹去除的目的。采用公开的BCI2000运动想象数据集中60组数据进行实验,结果表明,所提算法的EOG伪迹自动识别正确率达80%,比基于峰度的伪迹识别算法提高约26.7%;采用公开的Klados EEG数据集中15组数据进行实验,结果表明,重构后的EEG信号与纯净的EEG信号的相关系数为0.841,均方根误差较受污染信号降低约56.82%。实验结果证明了所提算法在提高伪迹去除能力的同时能够有效保留有用脑电信息。 展开更多
关键词 脑电图 眼电伪迹 独立成分分析 自适应噪声完备经验模态分解 小波
在线阅读 下载PDF
基于改进完备集成经验模态分解的钢丝绳缺陷漏磁检测方法 被引量：5
3
作者 钟小勇 陈科安 张小红 《工矿自动化》 北大核心 2022年第7期118-124,共7页
钢丝绳小缺陷信号往往被淹没在股波噪声中,存在钢丝绳小缺陷检测困难、易漏检等问题。针对该问题,提出了一种基于改进完备集成经验模态分解(ICEEMD)的钢丝绳缺陷漏磁检测方法。为了避免钢丝绳表面润滑剂或尘埃对检测信号造成影响,采用... 钢丝绳小缺陷信号往往被淹没在股波噪声中,存在钢丝绳小缺陷检测困难、易漏检等问题。针对该问题,提出了一种基于改进完备集成经验模态分解(ICEEMD)的钢丝绳缺陷漏磁检测方法。为了避免钢丝绳表面润滑剂或尘埃对检测信号造成影响,采用电磁检测法。将ICEEMD、小波阈值滤波(WTF)、维纳滤波(WF)相结合,得到ICEEMD-WTF-WF多级降噪方法:通过ICEEMD分解钢丝绳漏磁信号,得到本征模态函数(IMF)分量;计算IMF分量的能量比、排列熵、互相关系数,取出IMF趋势分量和IMF股波噪声分量,并对股波噪声分量进行WTF,筛选有用的IMF分量重构信号;对重构后的信号进行WF,去除随机噪声。提取降噪后的缺陷特征值,输入BP神经网络并进行训练,识别钢丝绳缺陷漏磁信号。实验结果表明:ICEEMD-WTF-WF多级降噪方法对钢丝绳漏磁信号具有良好的降噪效果,信噪比、峭度指标优于WTF、移动平均滤波和WF;基于ICEEMD-WTF-WF的BP神经网络模型检测耗时短,对小缺陷的平均准判率达到98.13%,能较好地满足钢丝绳缺陷检测要求。 展开更多
关键词 钢丝绳 小缺陷检测 漏磁检测 改进完备集成经验模态分解 小波阈值滤波 维纳滤波 多级降噪
在线阅读 下载PDF
基于完备集合经验模态分解的含抽蓄微电网混合储能容量优化配置 被引量：9
4
作者 魏震波 姚怡欣 +3 位作者 张雯雯 罗紫航 李银江 任语杰 《储能科学与技术》 CAS CSCD 北大核心 2023年第11期3414-3424,共11页
为减缓微电网并网联络线功率波动,拓展混合储能参与系统调节的能力边界,提出一种含抽蓄的微电网混合储能系统结构及基于完备集合经验模态分解(complete ensemble empirical mode decomposition,CEEMDAN)的容量优化配置方法。首先,考虑... 为减缓微电网并网联络线功率波动,拓展混合储能参与系统调节的能力边界,提出一种含抽蓄的微电网混合储能系统结构及基于完备集合经验模态分解(complete ensemble empirical mode decomposition,CEEMDAN)的容量优化配置方法。首先,考虑抽水蓄能、蓄电池的能量型储能特性与超级电容器的功率型储能特性,在微电网中搭建混合储能系统结构模型;其次,根据负荷出力确定联络线协议功率及混合储能总功率,并采用完备集合经验模态分解法对混储系统总功率进行分解;最后,建立以储能年综合成本最小为优化目标的混合储能系统容量优化配置模型,并给出相应求解方法。算例结果表明:较不含抽蓄的混储系统,该结构模型的调控能力得到提升,在有效平抑联络线功率波动的同时提高系统经济性,且蓄电池设备动作频次有所减少,提升了其使用寿命,验证了所提混合储能结构的合理性及优化模型的有效性。 展开更多
关键词 微电网 混合储能系统 完备集合经验模态分解 容量配置 抽水蓄能
在线阅读 下载PDF
基于完备总体经验模态分解和模糊熵结合的液压泵退化特征提取方法 被引量：6
5
作者 姜万录 孔德田 +2 位作者 李振宝 佟祥伟 岳文德 《计量学报》 CSCD 北大核心 2020年第2期202-209,共8页
针对液压泵振动信号具有非线性、非平稳性,以及信噪比低等特点,提出了基于完备总体经验模态分解和模糊熵结合的液压泵性能退化特征提取方法。首先,使用完备总体经验模态分解方法对液压泵振动信号进行分解,得到若干个固有模态函数分量。... 针对液压泵振动信号具有非线性、非平稳性,以及信噪比低等特点,提出了基于完备总体经验模态分解和模糊熵结合的液压泵性能退化特征提取方法。首先,使用完备总体经验模态分解方法对液压泵振动信号进行分解,得到若干个固有模态函数分量。其次,求取各个分量与原始信号的相关性,选取相关性较高的前几个分量作为有效分量并求其模糊熵,实现液压泵的退化特征提取,形成特征向量。最后,以液压泵不同退化状态下的实测数据为例,使用基于变量预测模型的模式识别方法对提取的特征向量进行验证。实验结果表明,该液压泵退化特征提取方法具有较高的精度,使退化状态识别的准确率提高到了100%。 展开更多
关键词 计量学 液压泵 状态识别 完备总体经验模态分解 模糊熵 退化特征提取 变量预测模型
在线阅读 下载PDF
基于模态分解和RIME-CNN-BiLSTM-AM的风速预测方法
6
作者 朱婷 颜七笙 《科学技术与工程》 北大核心 2025年第20期8514-8525,共12页
作为一种清洁的可再生能源,风能在缓解日益严重的能源危机方面充当着重要作用。然而,风速的波动性和随机性给电力系统的稳定运行带来了严峻的挑战。针对该问题,提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical... 作为一种清洁的可再生能源,风能在缓解日益严重的能源危机方面充当着重要作用。然而,风速的波动性和随机性给电力系统的稳定运行带来了严峻的挑战。针对该问题,提出一种基于自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与霜冰优化算法(rime optimization algorithm,RIME)-卷积神经网络(convolutional neural network,CNN)-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)-注意力机制(attention mechanism,AM)的短期风速预测组合模型CEEMDAN-RIME-CNN-BiLSTM-AM。首先,对初始风速序列采用CEEMDAN算法,得到一系列较平稳的子模态,以降低风速序列的波动性;然后,采用RIME霜冰优化算法优化CNN超参数,建立CNN-RIME模型,对风速数据进行自适应提取和挖掘;接着,采用BiLSTM-AM模型对处理后的数据进行预测;最后,将各子序列的预测结果叠加,得到最终预测结果。以某地实际风速数据集进行对比试验,该模型在单步与多步预测中均展现出良好的预测性能,可以为制定调度计划提供参考,以最大程度地提高能源利用率和供电。 展开更多
关键词 风速预测 自适应噪声完备集合经验模态分解(CEEMDAN) 霜冰优化算法(RIME) 卷积神经网络(CNN) 双向长短期记忆网络(BiLSTM) 注意力机制(AM)
在线阅读 下载PDF
融合二次分解的深度学习模型在PM_(2.5)浓度预测中的应用 被引量：2
7
作者 江雨燕 黄体臣 +1 位作者 甘如美江 王付宇 《安全与环境学报》 北大核心 2025年第1期296-309,共14页
针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode De... 针对PM_(2.5)质量浓度时间序列呈非线性难以预测的特征,为了进一步提高PM_(2.5)质量浓度预测精确度,研究通过“分而治之”先分解再预测的思想,提出一种融合二次分解的PM_(2.5)质量浓度混合预测模型(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise-Variational Mode Decomposition-Temporal Convolutional Network-Bi-directional Long Short-Term Memory,CEEMDAN-VMD-TCN-BiLSTM)。该模型先由递归特征消除(Recursive Feature Elimination,RFE)进行特征筛选,随后使用自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)将2013—2016年北京市PM_(2.5)质量浓度序列分解为一系列高低频模态分量并计算各分量样本熵,将样本熵由K-means聚类整合为新的分量,再由变分模态分解(Variational Mode Decomposition,VMD)方法进行二次分解。最后,将所有分量先经时间卷积网络(Temporal Convolutional Network,TCN)进行特征提取,并通过双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)预测,叠加各分量预测值即为最终预测结果。消融试验结果显示,该模型相比于单次CEEMDAN分解模型均方根误差E_(MAPE)降低19.312%,绝对误差E_(MAE)降低34.423%,百分比误差E_(MAPE)与希尔不等系数E_(TIC)分别减少40.465百分点和59.794%。由此可见,研究在引入VMD构成二次分解模型相比于单次分解模型的预测误差更小,精度更高,可为决策者在PM_(2.5)质量浓度预测与治理等工作提供一定参考。 展开更多
关键词 环境工程学 PM_(2.5)质量浓度预测 自适应噪声的完备经验模态分解 变分模态分解 时间卷积网络 双向长短期记忆网络
在线阅读 下载PDF
基于密度聚类模态分解的卷积神经网络和长短期记忆网络短期风电功率预测 被引量：3
8
作者 崔明勇 董文韬 卢志刚 《现代电力》 北大核心 2024年第4期631-641,共11页
近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition wi... 近年来,随着碳达峰和碳中和“双碳”战略目标的提出,风力发电已成为可再生能源发电的关键部分。为提高风电功率短期预测的准确度,提出基于密度聚类与自适应噪声完备集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和卷积神经网络与长短期记忆网络结合的短期风电功率预测方法。首先,利用密度聚类将风电功率与天气特征分成不同类别的数据集,通过自适应噪声完备集成经验模态分解算法将不同类别的数据进行频域分解得到子序列分量。以此为基础,将不同的子序列分量与天气特征进行特征选择,输入到卷积神经网络与长短期记忆网络的预测模型。最后,将不同的预测结果进行叠加得到最终的预测结果。整个预测过程通过聚类、分解和特征选择,有效提高了短期风电功率预测的准确度。 展开更多
关键词 风电功率预测 密度聚类 自适应噪声完备集成经验模态分解 卷积神经网络 长短期记忆网络
在线阅读 下载PDF
基于二次分解与MAML-MHA-DELM的电力行业碳排放预测模型研究
9
作者 张新生 张红文 聂达文 《安全与环境学报》 北大核心 2025年第9期3386-3399,共14页
为了有效预测电力行业碳排放趋势,解决在碳排放预测中遇到的非线性、复杂性等问题,研究提出了一种新型电力行业碳排放预测模型。该模型基于二次分解方法,结合自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decompos... 为了有效预测电力行业碳排放趋势,解决在碳排放预测中遇到的非线性、复杂性等问题,研究提出了一种新型电力行业碳排放预测模型。该模型基于二次分解方法,结合自适应噪声完备集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)与变分模态分解(Variational Mode Decomposition,VMD),以处理数据的非线性和复杂性。此外,采用模型无关元学习(Model-Agnostic Meta-Learning,MAML)优化结合多头注意力机制(Multi-Head Attention,MHA)增强特征提取的分布式极限学习机(Distributed Extreme Learning Machine,DELM)构建预测框架,以提高模型的准确性和泛化性能。首先,根据政府间气候变化专门委员会(The Intergovernmental Panel on Climate Change,IPCC)中方法计算电力行业化石燃料在1991—2022年的碳排放情况;其次,采用广义灰色关联分析(Grey Relation Analysis,GRA)与皮尔逊相关系数(Pearson Correlation Coefficient,Pearson)对影响因素进行筛选,并筛选出一次能源生产总量、城镇化率和电力行业固定投资等11个相关性影响因素;再次,使用CEEMDAN-VMD二次分解将因变量电力行业碳排放量分解成4个多频模态,并将4个模态分别代入经MAML-MHA算法优化的DELM模型进行预测;最后,将各分解序列的预测值进行逆归一化相加,即可得到电力行业碳排放预测值,并进行消融试验。结果显示,CEEMDAN-VMD-MAML-MHA-DELM模型性能最优,其均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)及决定系数(R^(2))分别为0.3494万t、0.3763万t、0.8383%和0.9893。这表明该模型在电力行业碳排放预测方面效果显著,能为电力行业低碳发展提供一定参考。 展开更多
关键词 环境工程学 自适应噪声完备集合经验模态分解 变分模态分解 分布式极限学习机
在线阅读 下载PDF
基于时序分解和软阈值时间卷积的交通流预测
10
作者 项新建 袁天顺 +1 位作者 何亚强 汪成立 《浙江大学学报(工学版)》 北大核心 2025年第7期1353-1361,共9页
交通流数据的高度非线性、强时间依赖性、特征冗余和噪声会降低模型的预测精度,为此提出融合自适应噪声完备集合经验模态分解(CEEMDAN)和软阈值时间卷积网络(STTCN)的短时交通流预测算法. CEEMDAN算法将历史交通流数据分解为高频和低频... 交通流数据的高度非线性、强时间依赖性、特征冗余和噪声会降低模型的预测精度,为此提出融合自适应噪声完备集合经验模态分解(CEEMDAN)和软阈值时间卷积网络(STTCN)的短时交通流预测算法. CEEMDAN算法将历史交通流数据分解为高频和低频成分.设计时间戳编码处理时间信息,使用最大信息系数(MIC)分析时间和天气特征与分解成分的相关性.将最相关特征与对应高、低频成分输入STTCN.引入软阈值机制增强高噪声数据的处理能力,软阈值参数由黏菌优化算法(SMA)调整,将预测得到的高、低频成分重构为交通流预测结果.在浙江省某高速公路数据集上,相较于基线模型,所提算法的均方误差、均方根误差和绝对偏差下降了54.97%、30.07%和34.39%.结果表明,所提算法能有效捕捉交通流的复杂动态. 展开更多
关键词 短时交通流预测 软阈值时间卷积网络 自适应噪声完备集合经验模态分解 时间戳编码 最大信息系数
在线阅读 下载PDF
基于注意力时间卷积网络的农产品期货分解集成预测 被引量：3
11
作者 张大斌 黄均杰 +1 位作者 凌立文 林锐斌 《南京信息工程大学学报》 CAS 北大核心 2024年第3期311-320,共10页
针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货... 针对农产品期货时间序列数据受多方面因素影响,非线性、非平稳数据特征难以提取而导致预测准确性不高的问题,基于“分解-集成”的预测思想,本文提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与Transformer-Encoder-TCN的农产品期货预测方法.首先,使用CEEMDAN将时间序列分解为多尺度多频率的本征模态分量(IMF)与残差,降低了序列建模复杂度;其次,使用融合多阶段自注意力单元Transformer-Encoder的时间卷积网络(TCN)对各个分量子序列进行特征提取与预测,优化了序列显著特征建模权重;最后,将各个子序列预测值线性相加集成得到最终预测结果.以南华期货公司农产品指数中的大豆期货指数为研究对象,采用时序交叉验证与参数迁移的方式进行模型重训练,消融和对比实验结果表明,提出的新模型在RMSE、MAE和DS三个评价指标上具有良好的效果,验证了该模型对农产品期货预测的有效性. 展开更多
关键词 农产品期货 自适应噪声完备经验模态分解 自注意力机制 Transformer-Encoder 时间卷积网络
在线阅读 下载PDF
基于小波包分解与CEEMDAN能量熵的水电机组振动信号特征提取 被引量：8
12
作者 王淑青 罗平章 +2 位作者 胡文庆 柯洋洋 张家豪 《水电能源科学》 北大核心 2024年第6期198-202,216,共6页
针对水电机组振动信号非平稳、非线性及噪声问题,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与能量熵结合的特征提取方法,首先对采集的振动信号进行小波包降噪处理,然后对降噪后信号进行CEEMDAN分解,运用相关系数法筛选有效固有... 针对水电机组振动信号非平稳、非线性及噪声问题,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)与能量熵结合的特征提取方法,首先对采集的振动信号进行小波包降噪处理,然后对降噪后信号进行CEEMDAN分解,运用相关系数法筛选有效固有模态函数(IMF)并计算其能量熵,由此构建特征向量集,最后将其输入到海洋捕食者优化支持向量机算法(MPA-SVM)进行模式识别。基于模拟信号、实测信号验证所提特征提取方法的有效性,并与其他方法作对比。结果表明,基于小波包分解与CEEMDAN能量熵的特征提取方法能准确提取特征,有效区分机组不同状态,为工程领域提供了应用价值。 展开更多
关键词 水电机组 振动信号 小波包分解 自适应噪声完备经验模态分解 能量熵 特征提取
在线阅读 下载PDF
基于ICEEMDAN分解重构的BiLSTM-KELM短期电力负荷预测 被引量：3
13
作者 王晨 李又轩 +2 位作者 王淑侠 邬蓉蓉 吴其琦 《科学技术与工程》 北大核心 2024年第32期13836-13843,共8页
短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分... 短期电力负荷预测在维持电力系统稳定运行、优化资源配置中发挥着至关重要的作用。针对电力负荷数据的复杂性和随机性以及现有预测模型的低精度问题,提出了一种新型的短期电力负荷预测模型。该模型包括改进的自适应噪声完备集经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)和排列熵(permutation entropy,PE)重构部分,以及双向长短期记忆神经网络(bidirectional long short-term memory,BiLSTM)与核极限学习(kernel extreme learning machine,KELM)预测部分。首先,使用ICEEMDAN将复杂的负荷数据分解成n个相对平稳的子序列,从而降低数据的随机性,并引入排列熵来计算每个子序列的PE值来进行重构,有效减小了模型的计算规模。其次,采用BiLSTM模型来挖掘数据之间的内在联系,对各个重构序列进行学习和预测。最后,利用KELM对重构序列的预测值进行非线性拟合,进一步提高预测精度。实验结果表明:ICEEMDAN-PE-BiLSTM-KELM模型比传统长短期记忆神经网络(long short-term memory,LSTM)模型的均方根误差(root mean square error,RMSE)降低了106.05 MW,平均绝对误差(mean absolute error,MAE)降低了62.34 MW,平均绝对百分比误差(mean absolute percentage error,MAPE)降低了0.877%,可见该模型能够更好地解决数据的复杂性和随机性,同时提高预测精度。 展开更多
关键词 短期电力负荷预测 改进的自适应噪声完备集经验模态分解(ICEEMDAN) 排列熵(PE) 双向长短期记忆神经网络(BiLSTM) 核极限学习(KELM)
在线阅读 下载PDF
基于ICEEMDAN分解与SE重构和DBO-LSTM的滑坡位移预测 被引量：4
14
作者 封青青 李丽敏 +2 位作者 陈飞阳 张碧涵 余兵 《电子测量技术》 北大核心 2024年第7期80-87,共8页
滑坡位移预测是防灾减灾的一项重要工作,针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、样本熵(SE)以及蜣螂算法(DBO)优化的长短期记忆网... 滑坡位移预测是防灾减灾的一项重要工作,针对位移分解后趋势项和周期项重构的合理性问题以及周期项位移预测精度不高的问题,提出了一种改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、样本熵(SE)以及蜣螂算法(DBO)优化的长短期记忆网络(LSTM)组合模型进行位移预测。以八字门滑坡为研究对象,利用ICEEMDAN方法将滑坡累计位移进行分解,并用样本熵值表征分解得到的子序列,将其重构为趋势项和周期项位移。之后利用LSTM模型预测趋势项和周期项位移;通过灰色关联度的方法确定周期项位移的影响因素。考虑到LSTM网络中超参数的随机性会影响模型预测精度,引入蜣螂优化算法获取LSTM最优超参数,最终将预测得到的趋势项和周期项位移叠加得到累计位移。本文所提的ICEEMDAN-SE-DBO-LSTM模型预测周期项位移的RMSE、MAE、R23项指标分别为1.803 mm、1.584 mm、0.988,相较于DBO-BP,LSTM,GRU和BP模型预测效果更优,证明了模型的有效性。 展开更多
关键词 滑坡位移 改进的自适应噪声完备集合经验模态分解 样本熵 蜣螂优化算法
在线阅读 下载PDF
基于SSA优化的Transformer-BiGRU短期风电功率预测
15
作者 包广斌 杨龙龙 +1 位作者 范超林 李焕 《电子测量技术》 北大核心 2025年第13期139-147,共9页
为提高风电功率预测精度,提出了一种基于SSA优化的Transformer-BiGRU组合模型。首先,采用CEEMDAN将原始序列分解为多个模态分量和残差分量,降低数据复杂性和不稳定性。然后,结合Transformer的自注意力机制与BiGRU的双向时序建模能力,构... 为提高风电功率预测精度,提出了一种基于SSA优化的Transformer-BiGRU组合模型。首先,采用CEEMDAN将原始序列分解为多个模态分量和残差分量,降低数据复杂性和不稳定性。然后,结合Transformer的自注意力机制与BiGRU的双向时序建模能力,构建了一个高效的组合模型。针对Transformer-BiGRU模型超参数优化困难的问题,引入SSA麻雀搜索算法对超参数进行优化,进一步提升预测精度。最后,以龙源电力风电预测数据集为例,通过对比实验和消融实验验证了该模型优于其他传统模型和模型中各组件的有效性,实验结果表明该方法的R 2达到了0.9810。 展开更多
关键词 风电预测 麻雀搜索算法 自适应噪声完备经验模态分解 双向门控循坏单元 自注意力机制
在线阅读 下载PDF
基于二次分解和ATT-CNN-LSTM-MLR组合模型的短期电价预测方法 被引量：2
16
作者 张玉敏 孙猛 +2 位作者 吉兴全 叶平峰 张晓峰 《智慧电力》 北大核心 2024年第12期65-72,共8页
针对电力现货市场价格的强波动性,电价存在跳跃点、尖峰点的特点,提出基于二次分解和注意力机制(ATT)-卷积神经网络(CNN)-长短时记忆神经网络(LSTM)-多元线性回归(MLR)组合模型的短期电价预测方法。首先,为深度挖掘电价跳跃点和尖峰点... 针对电力现货市场价格的强波动性,电价存在跳跃点、尖峰点的特点,提出基于二次分解和注意力机制(ATT)-卷积神经网络(CNN)-长短时记忆神经网络(LSTM)-多元线性回归(MLR)组合模型的短期电价预测方法。首先,为深度挖掘电价跳跃点和尖峰点处的特征,采用自适应噪声完备集合经验模态分解和变分模态分解将原始电价序列分解为一系列模态分量;其次,针对分解后的低频与高频子序列,分别建立MLR浅学习模型和ATT-CNN-LSTM组合模型实现多频预测,重构各子模型输出得到最终预测结果;最后,采用具有强波动性特征的欧洲电力交易所数据进行算例分析,验证了模型的有效性。 展开更多
关键词 电价预测 注意力机制 完全自适应噪声完备集合经验模态分解 变分模态分解 多频组合
在线阅读 下载PDF
联合误差修正的工况环境污染物动态预测模型 被引量：1
17
作者 李晓丽 申超 韩院彬 《计算机工程与设计》 北大核心 2025年第2期408-415,共8页
为提高工况环境污染物预测模型的泛化能力,构建联合误差修正的工况环境污染物动态预测模型。利用自适应白噪声的完备经验模态分解对时间序列进行分解,计算各分量样本熵进行聚合;对高频分量利用变分模态分解进行二次分解,采用长短时记忆... 为提高工况环境污染物预测模型的泛化能力,构建联合误差修正的工况环境污染物动态预测模型。利用自适应白噪声的完备经验模态分解对时间序列进行分解,计算各分量样本熵进行聚合;对高频分量利用变分模态分解进行二次分解,采用长短时记忆网络LSTM进行预测。为保证模型的长期预测精度,引入动态误差修正策略,构建ELM误差分析模型提取误差特征,实时调整误差分析模型实现动态预测。通过实例分析,该模型提升了污染物排放浓度的预测精度,进一步保障了企业生产的连续性。 展开更多
关键词 二次分解 样本熵 长短时记忆网络 误差修正 动态预测 工况污染物 完备经验模态分解
在线阅读 下载PDF
基于实时滑动分解的融合时空图卷积流量预测研究
18
作者 牛帅 王景升 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4002-4013,共12页
为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑... 为解决目前数据分解方法存在的信息泄露以及训练和测试时分量个数不一致的问题,提出一种新颖的模型−无信息泄露的实时滑动自适应噪声完备集合经验模态分解和注意力机制的融合时空图卷积,称之为EASTGCN。在模型输入前端,提出一种实时滑动分解方法,此方法使得训练集随着时间轴动态变化,在每次分解过程中使用的均是实时和历史信息并未使用未来信息,更加符合实时预测任务需求。紧接着,利用自适应噪声完备集合经验模态分解技术将交通流数据进行分解得到一系列本征模态函数分量,将分量分别按照邻近、日和周相关等时段构建多尺度输入以表达时序数据的时间相似性;然后,构建一个时空融合网络有向图,有向图由表示时间相似性的时间图和反映空间连通流向性的空间图组成,用以表达路网节点所包含的时空相似性信息;同时,在模型训练过程中通过引入时空注意力机制使得模型自适应为时空关系分配不同的权重以便关注相似性更强的关键节点来提高模型预测精度。最后,为了验证EASTGCN模型的稳定性和鲁棒性,分别设计了多因素输入实验和多步长对比实验,并在公开的数据集上进行了实例验证。研究结果表明,EASTGCN模型在多步长预测任务中指标增幅跨度最小且性能最稳定;多因素输入的EASTGCN模型在PEMS04数据集的MAE、RMSE指标上相对于单因素输入模型来说分别降低3.83%~27.03%、4.24%~12.77%,在PEMS08数据集的MAE、RMSE指标上降低0.91%~38.69%、0.07%~31.21%。总的来说,EASTGCN模型不论是在长期预测任务还是在预测精度上均有更好的表现,实时滑动分解方法为“分解+预测”组合模型提供了一种新的思路。 展开更多
关键词 流量预测 时空图卷积 自适应噪声完备集合经验模态分解 多尺度输入 实时滑动
在线阅读 下载PDF
基于CEEMDAN二次分解和LSTM的风速多步预测研究 被引量：40
19
作者 向玲 刘佳宁 +2 位作者 苏浩 胡爱军 朱泽宁 《太阳能学报》 EI CAS CSCD 北大核心 2022年第8期334-339,共6页
为了提高风速预测的准确性,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)二次分解和长短时记忆(LSTM)网络的风速多步预测方法。该方法首先应用变分模态分解(VMD)将原始风速序列进行一次分解,充分利用其分解后的残余分量并采用CEEM... 为了提高风速预测的准确性,提出一种基于自适应噪声完备经验模态分解(CEEMDAN)二次分解和长短时记忆(LSTM)网络的风速多步预测方法。该方法首先应用变分模态分解(VMD)将原始风速序列进行一次分解,充分利用其分解后的残余分量并采用CEEMDAN方法进行二次分解;然后将分解后的所有子序列分别输入到LSTM模型中进行风速多步预测;最后将各模型输出结果进行叠加获得预测风速。以内蒙古某风电场实测数据为例进行建模和预测分析,结果表明所提出的风速多步预测模型具有较高的预测精度,具备实际应用的可行性。 展开更多
关键词 风速 预测 长短时记忆网络 二次分解 自适应噪声完备经验模态分解
在线阅读 下载PDF
考虑耦合关系的综合能源系统冷热电负荷联合预测
20
作者 甘定福 姜爱华 +2 位作者 田君杨 高宇航 王瑞 《太阳能学报》 北大核心 2025年第8期573-584,共12页
针对传统分解技术与人工智能模型结合存在的预测精度低、多种负荷之间复杂的耦合关系导致的预测困难等问题,提出一种基于完全自适应噪声集合经验模态分解(CEEMDAN)、鲸鱼优化算法(WOA)和门控循环单元(GRU)的短期负荷预测模型。采用斯皮... 针对传统分解技术与人工智能模型结合存在的预测精度低、多种负荷之间复杂的耦合关系导致的预测困难等问题,提出一种基于完全自适应噪声集合经验模态分解(CEEMDAN)、鲸鱼优化算法(WOA)和门控循环单元(GRU)的短期负荷预测模型。采用斯皮尔曼相关性系数(SRCC)选择不同的负荷作为输入特征,挖掘多种负荷在不同季节的内在联系;对负荷序列进行CEEMDAN分解处理,以解决负荷序列过于复杂而导致预测精度低的问题;并引入WOA算法对GRU网络的内部参数进行寻优,以克服GRU网络选取参数过程的随机性问题;最后,通过对比仿真验证所提模型的有效性。实验结果表明,CEEMDANWOA-GRU相较于RNN、TCN、LSTM、GRU,均方根误差和平均绝对误差分别下降44.5%、43.1%、44.4%、32.2%和47.2%、46.9%、44.1%、36.4%,决定系数分别提高了27.4%、34.8%、25.7%、17.7%。 展开更多
关键词 自适应噪声完备经验模态分解 鲸鱼优化算法 综合能源系统 门控循环单元 负荷预测
在线阅读 下载PDF
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 2 … 9 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部