一种基于时间序列分解和时空信息提取的云服务器异常检测模型 被引量：1

1

作者 唐伦 赵禹辰 +1 位作者 薛呈呈 陈前斌 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第6期2638-2646,共9页

异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和... 异常检测是维护云数据中心性能的一项重要任务。云数据中心中运行着大量的云服务器以实现各种云计算功能。由于云数据中心的性能取决于云服务的正常运行,因此检测和分析云服务器中的异常至关重要。为此,该文提出一种基于时间序列分解和时空信息提取的云服务器异常检测模型。首先,提出带时空信息提取模块的双向Wasserstein生成对抗网络算法(BiWGAN-GTN),该算法在具有梯度惩罚的双向Wasserstein生成对抗网络(BiWGAN-GP)算法的基础上,将生成器与编码器替换为由图卷积网络(GCN)与时间卷积网络(TCN)组成的时空信息提取模块(GTN),实现对数据空时信息的提取;其次,提出半监督BiWGAN-GTN算法来识别多维时间序列中的异常,以在训练过程中避免异常数据侵入的风险并增强模型鲁棒性。最后设计多通道BiWGAN-GTN算法-MCBiWGAN-GTN以实现降低数据复杂度并提升模型学习效率的目标。利用带有自适应噪声完全集合经验模态分解(CEEMDAN)算法将时序数据分解,然后将不同的分量送入对应通道下的BiWGAN-GTN算法中训练。在真实世界云数据中心数据集Clearwater和MBD上采用精确率、召回率和F1分数这3个性能指标验证了该文所提模型的有效性。实验结果表明,MCBiWGAN-GTN在这两个数据集上的性能稳定并优于所比较的方法。 展开更多

关键词 云服务器异常检测 时间序列分解 生成对抗网络 时空信息提取模块

在线阅读 下载PDF 职称材料

基于时序序列分解和IBAS LSTM的滑坡数据预测模型 被引量：4

2

作者 荆严飞 党建武 +1 位作者 王阳萍 岳彪 《兰州交通大学学报》 CAS 2024年第2期58-67,共10页

针对传统静态机器学习模型在周期项位移预测中的缺陷和动态神经网络超参数人工选择困难的问题,在时序序列分解的基础上,提出一种新的滑坡预测耦合模型。首先,用最大相关最小冗余算法对周期项位移筛选合适的环境特征,作为长短期记忆人工... 针对传统静态机器学习模型在周期项位移预测中的缺陷和动态神经网络超参数人工选择困难的问题,在时序序列分解的基础上,提出一种新的滑坡预测耦合模型。首先,用最大相关最小冗余算法对周期项位移筛选合适的环境特征,作为长短期记忆人工神经网络的输入。然后,在天牛须搜索算法搜索过程中引入反馈机制,以避免原算法中出现远离最优解的问题;在算法迭代过程中将固定的递减因子改为动态递减因子,以提升前期全局和后期局部的寻优能力;利用改进的天牛须搜索算法对长短期记忆人工神经网络超参数进行寻优,以获得最佳的网络参数组合。最后,重构趋势项和周期项预测结果,得到最终预测位移。以发耳滑坡为例进行分析,结果表明:相较于其他方法,所提模型在平均绝对误差、均方根误差以及拟合度等方面更具优势。 展开更多

关键词 动态神经网络模型 时序序列分解 灰色模型 长短期记忆人工神经网络 天牛须搜索算法

在线阅读 下载PDF 职称材料

基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法

3

作者 郭张军 陈容 《水电能源科学》 北大核心 2024年第9期130-133,216,共5页

大坝运行环境复杂,其变形与外部荷载之间往往存在明显的非线性关系。为此,提出一种基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法,基于重力坝垂线监测数据,首先使用主成分分析提取多个测点的综合位移;其次使用BFAS... 大坝运行环境复杂,其变形与外部荷载之间往往存在明显的非线性关系。为此,提出一种基于BFAST时间序列分解与分段建模的混凝土坝多测点变形定量分析方法,基于重力坝垂线监测数据,首先使用主成分分析提取多个测点的综合位移;其次使用BFAST时间序列分解方法将综合位移分解为季节性和趋势性两部分;然后通过合理选择改变点,建立分段统计回归模型,分时段量化各环境量对大坝位移的影响;最后通过对安康水电站水平位移规律的分时段定量分析验证了所提方法可行、有效。研究结果为更好地分析大坝变形性态演变历程和定量解释大坝变形机理提供了有力的技术支持。 展开更多

关键词 BFAST 时间序列分解 突变检测 大坝安全监控 主成分分析

在线阅读 下载PDF 职称材料

基于几何序列分解与稀疏重构的DOA估计 被引量：2

4

作者 侯进 陈鑫强 《通信学报》 EI CSCD 北大核心 2023年第1期153-163,共11页

为了解决均匀圆阵在欠定情况下对相干信号测向的问题,提出了一种利用几何序列分解与稀疏重构相结合的波达方向(DOA)估计算法。几何序列分解用于拆分相干组,并估计出每个相干组的实际方向向量,稀疏重构则对每个相干组进行DOA估计。仿真... 为了解决均匀圆阵在欠定情况下对相干信号测向的问题,提出了一种利用几何序列分解与稀疏重构相结合的波达方向(DOA)估计算法。几何序列分解用于拆分相干组,并估计出每个相干组的实际方向向量,稀疏重构则对每个相干组进行DOA估计。仿真结果表明,当均匀圆阵的阵元数为M时,相比于现有算法,所提算法所能估计的最大信源数为M(M–1),并且当信源数较多时,其测向成功率和精度都更优,此外,所提算法能够解决“角度兼并”问题,并且在极少快拍数测向任务中具有一定的优势。 展开更多

关键词 几何序列分解 稀疏重构 欠定情况 相干信号 均匀圆阵

在线阅读 下载PDF 职称材料

融合序列分解与时空卷积的时序预测算法 被引量：8

5

作者 金苍宏 董腾然 +3 位作者 陈天翼 吴明晖 李国军 周胜利 《电子学报》 EI CAS CSCD 北大核心 2021年第2期233-238,共6页

现有深度学习方法在对时间序列预测时,未充分考虑空间依赖性,且长期预测的准确率也较低.针对此问题,提出一种融合时间序列分解策略和时空卷积神经网络的时序预测模型SDBRNN(Series-Decomposition-Block Recurrent Neural Network).该模... 现有深度学习方法在对时间序列预测时,未充分考虑空间依赖性,且长期预测的准确率也较低.针对此问题,提出一种融合时间序列分解策略和时空卷积神经网络的时序预测模型SDBRNN(Series-Decomposition-Block Recurrent Neural Network).该模型首先学习序列的多周期值并对序列进行最优STL分解;然后结合相邻观察点构造兼具时空数据块;再采用Block-LSTM中的三维卷积模块对时空数据块进行特征提取,让三维块在LSTM细胞中参与状态更新和反向传播,最终实现模型对时空特征的学习.结合多个时空序列测试数据分析,表明该模型在具有空间依赖关系的时序数据集上,比传统的时间卷积模型和循环神经网络具有更好的时空特征提取能力和拟合预测能力,验证了该模型的有效性. 展开更多

关键词 时间序列预测 序列分解 时空卷积

在线阅读 下载PDF 职称材料

基于时间序列分解与门控循环单元的地铁换乘客流预测 被引量：15

6

作者 赵建东 朱丹 刘佳欣 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第5期22-31,共10页

为丰富地铁内部换乘客流预测理论,更好地制定地铁运营计划,提出了一种基于时间序列分解方法(STL)与门控循环单元(GRU)的地铁换乘客流预测模型。该模型将预测过程分为3个阶段,第1阶段为原始地铁刷卡数据预处理,采用基于图的深度优先搜索... 为丰富地铁内部换乘客流预测理论,更好地制定地铁运营计划,提出了一种基于时间序列分解方法(STL)与门控循环单元(GRU)的地铁换乘客流预测模型。该模型将预测过程分为3个阶段,第1阶段为原始地铁刷卡数据预处理,采用基于图的深度优先搜索算法识别乘客的出行路径,构建换乘客流时间序列;第2阶段运用STL时间序列分解算法将换乘客流时间序列转化为趋势量、周期量以及余量,并利用3σ原则对余量进行异常值的剔除与填充;第3阶段基于深度学习库Keras,完成GRU模型的搭建、训练及预测。以北京地铁西直门站的换乘客流数据为研究对象,对模型的有效性进行了验证,结果表明:与长短时记忆神经网络(LSTM)、门控循环单元、STL时间序列分解方法与长短时记忆神经网络组合模型(STL-LSTM)相比,STL-GRU组合预测模型可提升工作日(不含周五)、周五、休息日的换乘客流预测精度,预测结果的平均绝对百分比误差至少分别降低了2.3、1.36、6.42个百分点。 展开更多

关键词 城市交通 换乘客流预测 门控循环单元 地铁 时间序列分解 深度学习 预测精度

在线阅读 下载PDF 职称材料

基于时间序列分解的信号挖掘与预测 被引量：2

7

作者 郭锦桥 柳禹名 +1 位作者 曹卫东 林云 《太赫兹科学与电子信息学报》 2023年第6期751-758,共8页

随着电磁信号环境日趋复杂以及通信设备数量的不断增加,电磁信号受到干扰问题逐渐加剧。因此,对于信号在不同噪声环境下的接收与处理技术的研究以及在复杂的电磁环境中对信号各项数据指标及其携带信息的利用十分关键。为了解在不同电磁... 随着电磁信号环境日趋复杂以及通信设备数量的不断增加,电磁信号受到干扰问题逐渐加剧。因此,对于信号在不同噪声环境下的接收与处理技术的研究以及在复杂的电磁环境中对信号各项数据指标及其携带信息的利用十分关键。为了解在不同电磁环境下含噪信号的性能表现,提高信号的利用质量及可靠性,本文提出一种基于时间序列分解的电磁数据处理方法。建立了基于加法季节性时间序列分解的含噪信号处理模型,并利用该模型对信号在有噪环境下的表现与规律性、趋势、误码率等性能进行分析与评估,对原始信息、载波信息进行挖掘预测。与传统方法相比,本文提出的基于时间序列分解的信号挖掘与预测模型在高噪环境下对信号预测更为准确。 展开更多

关键词 时间序列分解 特征提取 数据挖掘 数据预测 机器学习

在线阅读 下载PDF 职称材料

基于售价与销量的销售收入时间序列分解研究 被引量：2

8

作者 徐齐利 《上海商学院学报》 2017年第1期34-41,共8页

鉴于目前对销售收入直接进行时间序列分解时忽视了销售价格与数量的作用,本文将销售价格乘以销售数量等于销售收入这一基本逻辑关系纳入销售收入的时间序列分解中来,将销售收入分解为由销售价格和数量各自的趋势性、周期性、季节性、随... 鉴于目前对销售收入直接进行时间序列分解时忽视了销售价格与数量的作用,本文将销售价格乘以销售数量等于销售收入这一基本逻辑关系纳入销售收入的时间序列分解中来,将销售收入分解为由销售价格和数量各自的趋势性、周期性、季节性、随机性分量双边交叉相乘所得,依次得到销售收入水平绝对量分解式、水平相对量分解式、变动绝对量分解式、变动相对量分解式。并通过案例分析发现,新的销售收入时间序列分解对于厘清企业产品销售收入的业绩构成及其变动,较旧式直接分解更为精细、精准。 展开更多

关键词 销售收入 时间序列分解 趋势性 周期性 季节性

在线阅读 下载PDF 职称材料

线性分解和周期增强Informer的太阳辐射短临预报研究

9

作者 姚蕊 刘小芳 《太阳能学报》 北大核心 2025年第2期505-510,共6页

针对辐射周期趋势及外部影响特征捕获不足的问题,提出一种线性分解和周期增强Informer的地表太阳辐射短临预报方法。首先,改进灰色关联度方法,获取历史辐射与多种外部气象因素关联度,提取16种高相关外部气象特征建立高关联特征集,强化... 针对辐射周期趋势及外部影响特征捕获不足的问题,提出一种线性分解和周期增强Informer的地表太阳辐射短临预报方法。首先,改进灰色关联度方法,获取历史辐射与多种外部气象因素关联度,提取16种高相关外部气象特征建立高关联特征集,强化捕捉辐射与气象因素之间的复杂关系的能力;其次,在基于Transformer解决方案的基础上引入周期性嵌入层和ReLU激活函数,为模型提供更准确、合理的周期时间特征和辐射变化区间。最后,在Informer后增加平滑序列分解线性层,将Autoformer中的分解方案和FEDformer中的线性层相结合,进一步增强捕捉时序数据中周期性和季节性成分的能力。实验结果表明:该IDL方法结合外部气象特征能极好地提高模型短临预报效果,精度高于近年来基于Transformer系列的解决方案;比DLinear均方误差最高减少30.6%。 展开更多

关键词 太阳辐射 INFORMER TRANSFORMER 平滑序列线性分解 周期嵌入 灰色关联度

在线阅读 下载PDF 职称材料

基于小波包分解的AJS-GMDH月径流时间序列预测研究 被引量：13

10

作者 杨琼波 崔东文 《水力发电》 CAS 2022年第6期45-51,共7页

为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型。采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJ... 为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型。采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJS算法进行仿真测试;利用AJS算法优化GMDH网络关键参数,建立WPD-AJS-GMDH模型,并构建基于支持向量机(SVM)、BP神经网络及完全集合经验模态分解(CEEMD)、小波分解(WD)的17种对比分析模型;最后利用云南省龙潭站1952年~2016年780组的月径流时间序列数据对所建立的18种模型进行检验。结果表明,在不同维度条件下,AJS算法均具有较好的寻优效果;WPD-AJS-GMDH模型预测误差均小于其他17种模型;对于月径流时序数据分解,WPD分解效果优于CEEMD、WD方法;AJS算法能有效优化GMDH网络参数,提高预测性能。 展开更多

关键词 月径流预测 时间序列分解 人工水母搜索算法 数据分组处理方法 仿真测试

在线阅读 下载PDF 职称材料

基于Petri网的航空维修分解装配序列规划及其应用 被引量：6

11

作者 汤新民 钟诗胜 《中国民航学院学报》 2006年第5期21-25,共5页

Petri网可用于分解装配序列规划中的关系表达与推理,对于零部件数量大的航空发动机,通过求解Petri网可达集搜索目标分解装配序列的方法是NP难度的。基于装配Petri网与分解Petri网互逆的观点,分别采用启发式搜索算法和优先级调度算法求... Petri网可用于分解装配序列规划中的关系表达与推理,对于零部件数量大的航空发动机,通过求解Petri网可达集搜索目标分解装配序列的方法是NP难度的。基于装配Petri网与分解Petri网互逆的观点,分别采用启发式搜索算法和优先级调度算法求解搜索最小可分解和最大可装配变迁集,然后构造最简Petri子网达到降低搜索难度的目的,并将分解装配序列规划算法用于发动机零部件跟踪控制过程中,达到降低和防止维修差错的目的。 展开更多

关键词 分解序列规划 PETRI网 网简化 航空维修差错

在线阅读 下载PDF 职称材料

融合经验模态分解与改进时域Transformer的网络安全态势预测

12

作者 孙隽丰 李成海 +1 位作者 宋亚飞 倪鹏 《空军工程大学学报》 CSCD 北大核心 2024年第6期104-112,共9页

针对网络安全态势预测任务复杂且真实环境下数据噪声较大等问题,提出一种融合经验模态分解与改进时域Transformer的网络安全态势预测方法,通过“分解-重构”方式使用完全自适应噪声集合经验模态分解方法对真实环境下网络安全态势数据进... 针对网络安全态势预测任务复杂且真实环境下数据噪声较大等问题,提出一种融合经验模态分解与改进时域Transformer的网络安全态势预测方法,通过“分解-重构”方式使用完全自适应噪声集合经验模态分解方法对真实环境下网络安全态势数据进行去噪预处理;提出改进时域Transformer,使用时域Transformer模块提取网络安全态势数据序列的时间深层全局特征,并提出Attention Fusion机制实现时序特征的自适应融合,以更加稳健的特征融合方式完成预测任务。实验结果表明,本文提出的方法相较其他方法在预测精度方面具有显著提高,其拟合优度决定系数达到0.997860,拟合效果较好。 展开更多

关键词 网络安全态势预测 时间序列分解 TRANSFORMER 特征融合 注意力机制

在线阅读 下载PDF 职称材料

销售收入时间序列在销售价格与销售数量之间的矩阵分解

13

作者 徐齐利 《上海商学院学报》 2017年第3期37-49,共13页

为更好地反映销售价格与销售数量对销售收入的作用特征与规律,本文在将销售收入时间序列在销售价格与销售数量之间的乘法分解基础上,进一步提出矩阵分解。将销售价格乘以销售数量等于销售收入这一基本逻辑关系纳入销售收入的时间序列分... 为更好地反映销售价格与销售数量对销售收入的作用特征与规律,本文在将销售收入时间序列在销售价格与销售数量之间的乘法分解基础上,进一步提出矩阵分解。将销售价格乘以销售数量等于销售收入这一基本逻辑关系纳入销售收入的时间序列分解中来,将销售收入分解为由销售价格和数量各自的趋势性、周期性、季节性、随机性分量双边交叉相乘所得的销售收入,依次得到销售收入与销售价格、销售数量之间在水平绝对量、水平相对量、变动绝对量、变动相对量上的分解矩阵和分解定理,并将该矩阵分解理论与方法在百度公司付诸实践发现,可以设计出一些标准化的报表来集中体现业绩分解结果,以助提高企业业绩分析效果。 展开更多

关键词 销售收入 时间序列分解 趋势性 周期性 季节性

在线阅读 下载PDF 职称材料

洞庭湖区月降雨序列的混沌特性识别及预测研究 被引量：10

14

作者 梁婕 曾光明 +2 位作者 郭生练 徐敏 苏小康 《水电能源科学》 2006年第5期16-19,共4页

基于相空间重构思想,采用最大Laypunov指数法确定洞庭湖区岳阳水文站30 a的月降雨序列具有明显的混沌特性。应用混沌径向基函数神经网络预测月降雨量,预测精度远远低于时间序列分解模型,并表现出高度的无规律性。定量分析了噪声对混沌... 基于相空间重构思想,采用最大Laypunov指数法确定洞庭湖区岳阳水文站30 a的月降雨序列具有明显的混沌特性。应用混沌径向基函数神经网络预测月降雨量,预测精度远远低于时间序列分解模型,并表现出高度的无规律性。定量分析了噪声对混沌预测精度的影响,表明监测误差是影响混沌预测精度的一个重要因素,提高数据精度是提高混沌预测精度的一个有效方法。 展开更多

关键词 月降雨序列 混沌 径向基函数 时间序列分解 噪声 随机

在线阅读 下载PDF 职称材料

ED-Stacking:一种基于集成学习的小样本牛肉微生物生长预测模型构建方法

15

作者 李汉强 陈谊 +3 位作者 高宇飞 侯堃 宋丽萍 李静 《食品工业科技》 北大核心 2025年第6期43-55,共13页

当前技术条件下,微生物检测操作复杂、耗时长,导致了检测结果滞后且其样本数量有限的问题。本文提出了一种基于时间序列分解和集成学习的小样本牛肉微生物生长预测模型ED-Stacking构建方法,以便提前预警食品中的微生物风险。首先应用经... 当前技术条件下,微生物检测操作复杂、耗时长,导致了检测结果滞后且其样本数量有限的问题。本文提出了一种基于时间序列分解和集成学习的小样本牛肉微生物生长预测模型ED-Stacking构建方法,以便提前预警食品中的微生物风险。首先应用经验模态分解(EMD)、离散傅里叶变换(DFT)和加法模型构建时间序列分解方法(EMD-DFT),提取微生物生长时间序列中的趋势、周期和残差特征,为后续预测模型提供训练数据;然后利用这些特征数据对单层线性神经网络(SLN)、极端梯度提升树(XGBoost)和梯度提升回归树(GBRT)进行训练;最后,采用集成学习中的堆叠(Stacking)方法对训练好的三个模型进行融合,形成预测效果更优的微生物生长预测模型ED-Stacking。对比实验结果显示ED-Stacking在MAE和MSE两个指标上分别达到了0.229和0.147,预测误差低于SLN、XGBoost、GBRT、GRU和Transformer五个基线模型,即预测准确性更高。基于该模型对食品品质进行分类,分类的加权平均精准率Weighted-Precision达到98.80%。进而,还构建了一个食品微生物生长预测可视分析系统FMPvis,可以展示预测结果和食品品质分类结果,帮助用户分析各环境因子随时间的变化趋势及其对预测结果的影响程度,从而实现风险分析和预警。本文方法为食品微生物风险预警提供了一种新的思路和方法。 展开更多

关键词 食品安全 微生物生长预测 时间序列分解 集成学习 可视分析

在线阅读 下载PDF 职称材料

河川径流时间序列长记忆性分析

16

作者 燕爱玲 《陕西水利》 2010年第1期131-132,共2页

提出一种基于Liu结构转换的径流序列分解方法,对河川径流长记忆性进行了尝试性分析,并运用修正R/S进行了检验。实例有效证实了径流序列长记忆性的存在,而且径流波动的突变与降水、气候变化关系密切。这对于探索流量波动规律及其演变趋... 提出一种基于Liu结构转换的径流序列分解方法,对河川径流长记忆性进行了尝试性分析,并运用修正R/S进行了检验。实例有效证实了径流序列长记忆性的存在,而且径流波动的突变与降水、气候变化关系密切。这对于探索流量波动规律及其演变趋势有重要的理论意义,同时也为水资源合理配置及规划提供强有力的理论依据。 展开更多

关键词 径流 Liu结构转换 序列分解 长记忆性

在线阅读 下载PDF 职称材料

基于多元经验模态分解的电网短期负荷预测及薄弱线路辨识 被引量：1

17

作者 孔琪 于群 《现代电子技术》 2022年第9期157-164,共8页

为了更加准确地进行短期电力负荷预测,提高预测精度,利用不平稳电力负荷时间序列具有周期性和非线性的特征,提出一种新的电力系统短期负荷预测组合模型。该模型将多元经验模态分解法与支持向量回归算法相结合,将电力负荷时间序列及重要... 为了更加准确地进行短期电力负荷预测,提高预测精度,利用不平稳电力负荷时间序列具有周期性和非线性的特征,提出一种新的电力系统短期负荷预测组合模型。该模型将多元经验模态分解法与支持向量回归算法相结合,将电力负荷时间序列及重要影响因素序列同时分解成个数相同的子序列,然后利用上述模型分别预测,再一一对应组合得到最终预测结果。以N市电网2017年1月—12月的日历史负荷为研究对象,并根据气象资料记录的日平均温度、湿度、气压、负荷率等影响因素,对建立的模型进行仿真分析,预测结果与2017年12月24日—31日实际的数据做对比。结果表明该模型预测精度较高,方法可行。将预测得到的结果,用于对N市电网的薄弱线路辨识中,给出了12月24日—31日每天的薄弱线路排序表,以便于工作人员对薄弱线路进行重点监测与保护。 展开更多

关键词 短期负荷预测 薄弱线路辨识 负荷时间序列 多元经验模态分解 负荷预测模型 序列分解 仿真分析

在线阅读 下载PDF 职称材料

基于时序分解的自适应在线学习电力负荷预测算法研究

18

作者 谢小鹏 胡为明 +4 位作者 何基龙 王理 向五济 罗湘 郑洲顺 《数学理论与应用》 2022年第4期93-104,共12页

传统的机器学习方法无法捕捉到电力负荷需求的不确定性以及动态变化规律.本文将最新提出的隐马尔可夫模型在线学习算法应用于电力负荷预测研究,充分提取历史数据中的不确定性特征和动态变化规律,并结合分解算法,更精确利用数据中的动态... 传统的机器学习方法无法捕捉到电力负荷需求的不确定性以及动态变化规律.本文将最新提出的隐马尔可夫模型在线学习算法应用于电力负荷预测研究,充分提取历史数据中的不确定性特征和动态变化规律,并结合分解算法,更精确利用数据中的动态变化特征,从而提高预测精度.算法基于隐马尔可夫概率预测模型,在获得新样本时对模型进行在线更新,适应最新数据;利用STL时序分解算法对负荷数据进行分解,使具有不同不确定性和动态变化规律的分量分离开,再分别使用在线学习算法对不同特征的分量进行预测,构造电力负荷预测组合算法.基于三个公开电力负荷数据集的测试结果表明,相比于单一的在线学习模型,本文提出的组合算法提高了预测精度,预测相对误差最高减少了27%. 展开更多

关键词 负荷预测 时间序列分解 在线学习 组合算法 隐马尔可夫模型

在线阅读 下载PDF 职称材料

基于多模型比选耦合的降水预测 被引量：2

19

作者 武少振 任智慧 +2 位作者 赵雪花 杨默远 桑燕芳 《南水北调与水利科技（中英文）》 CAS CSCD 北大核心 2024年第1期99-109,共11页

变化环境下水文时间序列的模拟预测难度不断加大,以往研究大多聚焦在模型的不同组合尝试与应用探索,但缺乏针对不同组合模型适用性与稳定性的系统研究。选择经验模态分解(empirical mode decomposition,EMD)、总体平均经验模态分解(ense... 变化环境下水文时间序列的模拟预测难度不断加大,以往研究大多聚焦在模型的不同组合尝试与应用探索,但缺乏针对不同组合模型适用性与稳定性的系统研究。选择经验模态分解(empirical mode decomposition,EMD)、总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)、改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)和变分模态分解(variational mode decomposition,VMD)4种常用的分解算法,与多元线性回归(multivariable linear regression,MLR)、随机森林(random forest,RF)、BP神经网络(back propagation,BP)、卷积神经网络(convolutional neural networks,CNN)和长短期记忆神经网络(long short-term memory,LSTM)5种具有代表性的模型结合,构建20种基于“分解-预测-重构”模式的组合模型,并以华北地区密云、官厅两流域年和汛期降水为例,进行模型适用性与稳定性综合对比分析。结果表明:单一模型对密云流域年降水和汛期降水的预测结果优于官厅流域,但整体预测结果均不理想;结合分解算法后的组合模型预测结果明显优于单一模型,且该预测结果存在正负误差抵消现象,因此有助于进一步提高组合模型的整体预测精度;与基于EMD系列的分解算法相比,VMD算法对模型预测精度提升效果最显著,组合模型适用性和稳定性整体上表现为VMD-MLR>VMD-LSTM>VMD-BP>VMD-CNN。 展开更多

关键词 中长期预测 数据驱动模型 组合模型 时间序列分解 非平稳性

在线阅读 下载PDF 职称材料

基于最大重叠离散小波变换和深度学习的光伏功率预测 被引量：1

20

作者 马乐乐 孔小兵 +2 位作者 郭磊 刘源延 刘向杰 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期576-583,共8页

针对光伏功率时间序列的非平稳特性,提出一种基于最大重叠离散小波变换(MODWT)和长短期记忆网络(LSTM)的光伏功率组合预测模型。利用皮尔逊相关系数确定影响光伏功率的重要气象因素,基于MODWT算法对历史光伏功率序列进行分解,将选取的... 针对光伏功率时间序列的非平稳特性,提出一种基于最大重叠离散小波变换(MODWT)和长短期记忆网络(LSTM)的光伏功率组合预测模型。利用皮尔逊相关系数确定影响光伏功率的重要气象因素,基于MODWT算法对历史光伏功率序列进行分解,将选取的气象因素与分解得到的平稳子序列共同构成各个LSTM网络输入,通过汇总重构每个LSTM网络的子序列预测结果得到最终的光伏功率预测结果。从理论层面分析所建立的MODWT算法的完全重构性,并基于李雅普诺夫稳定性定理推导保证预测网络收敛的学习率范围。仿真对比结果显示,所提出的光伏功率预测模型在预测精度和鲁棒性方面具有明显优势。 展开更多

关键词 光伏功率预测 长短期记忆网络 非平稳时间序列分解 预测网络收敛性

在线阅读 下载PDF 职称材料