基于改进多孔算法的时间序列预测 被引量：5

1

作者 丁宁 周新志 《系统仿真学报》 EI CAS CSCD 北大核心 2007年第17期4082-4085,共4页

针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可... 针对小波分析技术存在的边界问题,提出一种改进的多孔算法。使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性。为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力。实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型。 展开更多

关键词 单变量时间序列预测 小波分析 改进的多孔算法 边界问题 神经网络集成

在线阅读 下载PDF 职称材料

基于改进TDOA与卡尔曼预测模型的目标定位跟踪算法研究

2

作者 李茂 幸小又 +3 位作者 钟志文 刘司洋 宁召柯 李雪婷 《现代雷达》 CSCD 北大核心 2024年第7期62-70,共9页

针对无人机集群无源定位领域的目标跟踪问题,提出了一种基于改进到达时间差(TDOA)算法与卡尔曼预测模型的目标定位跟踪算法。首先,针对现有基于Chan的TDOA算法在时差值精度不够时定位精度差,以及现有基于Taylor的TDOA算法受迭代初始值... 针对无人机集群无源定位领域的目标跟踪问题,提出了一种基于改进到达时间差(TDOA)算法与卡尔曼预测模型的目标定位跟踪算法。首先,针对现有基于Chan的TDOA算法在时差值精度不够时定位精度差,以及现有基于Taylor的TDOA算法受迭代初始值影响大导致算法稳健性不足的问题,提出基于Chan-Taylor的改进TDOA算法,该算法通过Chan算法快速求解出目标位置初始估计值,然后使用Taylor算法迭代求解出目标位置,在提高定位效率、缩短定位时间的基础上,提高了定位精度。其次,利用卡尔曼预测模型,将目标运动模型产生的目标位置预测值作为先验信息带入目标定位算法,通过将预测信息与定位信息有效融合,进一步提高目标定位精度。最后,通过实验仿真,从累积分布函数(CDF)、定位精度几何因子(GDOP),以及定位跟踪RMSE多个方面验证文中所提算法的正确性及有效性。 展开更多

关键词 无人机集群 目标定位跟踪 到达时间差 Chan-Taylor改进算法 卡尔曼预测模型

在线阅读 下载PDF 职称材料

基于LSTM和改进TTR算法的车辆辅助驾驶侧翻预警

3

作者 周兵 梁帅 +3 位作者 吴晓建 许艳 潘倩兮 柴天 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2023年第12期155-167,共13页

以提高侧翻预警中对侧翻风险的预测和判断为目标,为了给驾驶员或其他驾驶辅助系统确定对车辆进行控制的介入时机提供重要依据,提出了一种更高效准确的侧翻预警算法.首先建立三自由度车辆预警参考模型;选取相平面法划分侧倾稳定域为侧翻... 以提高侧翻预警中对侧翻风险的预测和判断为目标,为了给驾驶员或其他驾驶辅助系统确定对车辆进行控制的介入时机提供重要依据,提出了一种更高效准确的侧翻预警算法.首先建立三自由度车辆预警参考模型;选取相平面法划分侧倾稳定域为侧翻指标,根据三自由度模型响应,设计改进侧翻预测时间(TTR)算法并计算TTR.分析结果表明,相平面侧翻指标接近实际横向载荷转移率(LTR),比LTR常用的表达形式更准确地表述了车辆状态,且改进的TTR也更加接近实际TTR.然后建立长短期记忆网络(LSTM)模型来取代改进TTR算法,提高预警计算效率,模型输出的TTR值作为车辆预警控制的依据.最后通过驾驶员在环(DIL)试验采集数据,对LSTM模型进行训练,并在两种工况下,仿真验证了此侧翻预警方法具有对侧翻风险预测的准确性和更高的实时性. 展开更多

关键词 高级驾驶辅助系统 侧翻预警 改进侧翻预测时间算法 相平面法 长短期记忆网络

在线阅读 下载PDF 职称材料

基于改进蝗虫算法优化长短时记忆神经网络的多参数瓦斯浓度预测模型研究 被引量：16

4

作者 王雨虹 王淑月 +1 位作者 王志中 任日昕 《传感技术学报》 CAS CSCD 北大核心 2021年第9期1196-1203,共8页

为了高效挖掘煤矿安全监测监控系统海量数据中包含的有效信息,提高煤矿瓦斯浓度预测精度,提出一种改进的蝗虫优化算法(IGOA)优化长短时记忆神经网络(LSTM)的多参数瓦斯浓度预测模型。首先对瓦斯多参数时间序列进行相关性分析和小波去噪... 为了高效挖掘煤矿安全监测监控系统海量数据中包含的有效信息,提高煤矿瓦斯浓度预测精度,提出一种改进的蝗虫优化算法(IGOA)优化长短时记忆神经网络(LSTM)的多参数瓦斯浓度预测模型。首先对瓦斯多参数时间序列进行相关性分析和小波去噪;其次通过重构线性缩减因子c、引入柯西-高斯混合变异和最优邻域扰动策略联合改进蝗虫优化算法,提高其全局寻优能力,以此来优化LSTM相关超参数,构建瓦斯浓度预测模型;最后,以实测数据为样本进行实验验证,将提出的模型与BP、LSTM、PSO-LSTM以及GOA-LSTM模型对比,可得到提出的模型具有更好的预测效果,平均绝对百分比误差和均方根误差两种误差评价指标分别为0.531%、2.48×10^(-3)。结果表明,提出的瓦斯浓度预测模型具有更高的预测性能。 展开更多

关键词 瓦斯浓度预测 改进蝗虫优化算法 LSTM 多参数时间序列 深度学习

在线阅读 下载PDF 职称材料

基于GGInformer模型的多维时间序列特征提取与预测研究 被引量：3

5

作者 任晟岐 宋伟 《计算机工程与科学》 CSCD 北大核心 2024年第4期590-598,共9页

随着大数据与物联网技术的迅猛发展,多维时间序列数据的应用范围变得更加广泛。面对大量的非线性、高维冗余特征的复杂时间序列,传统的时间序列分析方法已经不能很好地解决多维时间序列的复杂高维特征问题,从而导致预测效果欠佳。针对... 随着大数据与物联网技术的迅猛发展,多维时间序列数据的应用范围变得更加广泛。面对大量的非线性、高维冗余特征的复杂时间序列,传统的时间序列分析方法已经不能很好地解决多维时间序列的复杂高维特征问题,从而导致预测效果欠佳。针对以上问题,通过对遗传算法和Informer模型进行改进,并融合GRU网络,提出了GGInformer模型。该模型不仅可以有效提取多维时间序列的关键特征,而且较好地解决了长程依赖问题。为了验证模型的预测能力,选取了2种实际数据集与3种公共基准数据集进行实验,相比较Informer基准模型,GGInformer模型在5种数据集上的MSE分别降低了22%,13%,20%,23%和38%。实验结果表明,GGInformer模型可以有效解决多维时间序列数据的复杂特征提取问题,并可以进一步提高时序预测能力。 展开更多

关键词 多维时间序列 特征提取 预测 改进遗传算法

在线阅读 下载PDF 职称材料

时间敏感网络中的可变长整形队列调整算法

6

作者 蔡嫦娟 庄雷 +2 位作者 杨思锦 王家兴 阳鑫宇 《计算机科学》 CSCD 北大核心 2024年第8期354-363,共10页

针对异步整形器(ATS)采用固定长度整形队列实现流量整形存在缓存资源利用率低、可调度流平均时延高等问题,提出了一种基于改进磷虾群算法与流量预测的可变长整形队列调整算法。综合考虑流的队列分配规则、有界时延需求及有限缓存资源,... 针对异步整形器(ATS)采用固定长度整形队列实现流量整形存在缓存资源利用率低、可调度流平均时延高等问题,提出了一种基于改进磷虾群算法与流量预测的可变长整形队列调整算法。综合考虑流的队列分配规则、有界时延需求及有限缓存资源,定义时间敏感网络中可调度流传输约束。引入混沌映射、反向学习与精英策略并设计自适应位置更新策略以提升传统磷虾群算法的求解能力,利用改进磷虾群算法寻找整形队列可调整上限。基于卷积神经网络与长短期记忆模型(CNN-LSTM)预测流量,根据预测值计算队列长度调整步幅。仿真结果表明,与采用固定长度整形队列的方法相比,所提算法能有效提高可调度流数量,降低调度流(ST)平均时延,并提升网络缓存资源利用率。 展开更多

关键词 时间敏感网络 异步整形器 改进磷虾群算法 流量预测 可变长队列

在线阅读 下载PDF 职称材料

基于IHHO-LSTM-KAN的大坝变形预测模型

7

作者 丁勇康 远近 +3 位作者 毛延翩 都旭煌 齐智勇 苏怀智 《水利水电技术(中英文)》 北大核心 2025年第5期170-182,共13页

【目的】全生命周期高精度的变形预测是评估大坝服役性态和保障大坝安全运行的关键方法。目前预测模型存在数据特征相关性解析不足、对短时序数据预测精度不高、忽视时序持续增长的特性、模型训练易陷入局部最优等问题。【方法】提出一... 【目的】全生命周期高精度的变形预测是评估大坝服役性态和保障大坝安全运行的关键方法。目前预测模型存在数据特征相关性解析不足、对短时序数据预测精度不高、忽视时序持续增长的特性、模型训练易陷入局部最优等问题。【方法】提出一种大坝变形预测模型,利用长短期记忆网络(LSTM)捕捉时序长短期依赖关系,并耦合KAN机制改进网络全连接层结构以增强对长短时序复杂数据关系的表征能力,采用多策略改进的哈里斯鹰优化算法(IHHO)探索超参数最优组合,从而优化模型结构、解决梯度问题、加速训练收敛并提高预测性能。【结果】实例表明,该模型对长短时序的预测精度和泛化能力均优于其他深度学习模型,收敛速度优于其他智能优化算法,KAN机制对短时序预测的改进效果较为明显。【结论】所建模型具有较好的稳健性与适用性,可为大坝全生命周期的安全监测提供技术参考。 展开更多

关键词 大坝变形预测 短时间序列 长短期记忆网络 KAN 改进哈里斯鹰优化算法 变形 影响因素

在线阅读 下载PDF 职称材料

基于双向长短期记忆网络的公交到站时间预测模型 被引量：10

8

作者 张兵 周丹丹 +1 位作者 孙健 倪训友 《交通运输系统工程与信息》 EI CSCD 北大核心 2023年第2期148-160,共13页

为实现准确预测公交到站时间,提高城市公交出行分担率,本文提出一种基于双向长短期记忆神经网络(BiLSTM)并考虑超参数寻优的公交到站时间预测模型。通过引入非线性收敛因子、正弦余弦算子及自适应参数改进海鸥算法对双向LSTM模型实现超... 为实现准确预测公交到站时间,提高城市公交出行分担率,本文提出一种基于双向长短期记忆神经网络(BiLSTM)并考虑超参数寻优的公交到站时间预测模型。通过引入非线性收敛因子、正弦余弦算子及自适应参数改进海鸥算法对双向LSTM模型实现超参数寻优,并增加Attention机制以提高双向LSTM处理信息能力,构建改进海鸥算法优化增加Attention机制的双向LSTM(ISOA-BiLSTM-Attention)预测模型。使用中国江西省南昌市220路公交GPS数据分方向和分时段预测车辆到站时间,验证模型预测精度。结果表明:整体上来说,Attention机制优化后的双向LSTM模型比单独采用双向LSTM模型预测精度更好;改进的海鸥算法可对双向LSTMAttention模型实现较好的优化效果,相较于现有模型及标准海鸥算法(SOA)优化双向LSTMAttention模型,ISOA-BiLSTM-Attention对于不同方向及不同时段公交到站时间预测的平均绝对百分比误差、均方根误差及平均绝对误差至少分别降低5.96%、9.87%及7.99%;同时,ISOABiLSTM-Attention具有最大的模型决定系数R2值,体现了该预测模型泛化能力及稳定性较好,可针对公交到站时间进行较为准确地拟合。 展开更多

关键词 城市交通 公交到站时间预测 改进海鸥优化算法 双向LSTM模型 Attention机制

在线阅读 下载PDF 职称材料

EA-GRU模型在城市交通行程时间预测中的应用 被引量：7

9

作者 张明 李永义 谢晶晶 《南京工业大学学报（自然科学版）》 CAS 北大核心 2022年第4期412-418,共7页

城市交通行程时间预测是发展城市智能交通系统必然要求和核心任务,难点在于交通流具有强烈的非线性和随机性。针对传统基于神经网络的行程时间预测模型结构复杂、鲁棒性欠佳的情况,构建基于改进注意力机制的门控循环神经网络的行程时间... 城市交通行程时间预测是发展城市智能交通系统必然要求和核心任务,难点在于交通流具有强烈的非线性和随机性。针对传统基于神经网络的行程时间预测模型结构复杂、鲁棒性欠佳的情况,构建基于改进注意力机制的门控循环神经网络的行程时间预测模型,借助注意力机制捕捉历史行程时间数据时间相关性特征,同时创新提出使用遗传算法对注意力层权值进行独立训练寻优。实验选取珠海市香洲区彩虹路为研究对象,结果发现:基于改进注意力机制的门控循环神经网络模型(EAG-RU)平均绝对百分比误差落在5.9%左右,在可接受误差范围内且误差低于其他4种基线方法,预测效果更好;与未引入注意力机制的门控循环神经网络(GRU)模型相比,该模型预测结果提高了41.4%,同时表现出受数据量变化波动较小、鲁棒性好。 展开更多

关键词 交通拥堵 行程时间预测 门控循环神经网络 改进注意力机制 遗传优化算法

在线阅读 下载PDF 职称材料

基于ILSTM-AMSGD神经网络的时间序列预测方法 被引量：1

10

作者 杨爽 李文静 乔俊飞 《控制工程》 CSCD 北大核心 2023年第10期1793-1800,共8页

针对标准长短期记忆(long short-term memory,LSTM)神经网络的结构参数众多、训练过程耗时长问题,提出一种基于自适应动量随机梯度下降(adaptive momentum stochastic gradient descent,AMSGD)算法的改进型长短期记忆神经网络(ILSTM-AM... 针对标准长短期记忆(long short-term memory,LSTM)神经网络的结构参数众多、训练过程耗时长问题,提出一种基于自适应动量随机梯度下降(adaptive momentum stochastic gradient descent,AMSGD)算法的改进型长短期记忆神经网络(ILSTM-AMSGD神经网络),并将其用于时间序列预测中。首先,通过简化结构方程中的递归项权值,减少网络中所需训练的参数。其次,设计一种AMSGD算法对神经网络结构参数进行学习。最后,通过2个基准数据集和1个实际数据集对ILSTM-AMSGD神经网络模型在时间序列预测中的准确性和运行效率进行实验验证。结果表明,递归项权值简化方法可以提高模型的泛化能力,同时AMSGD算法加快了模型的收敛速度。与其他模型相比,ILSTM-AMSGD神经网络模型实现了对时间序列更加高效、准确的预测。 展开更多

关键词 时间序列预测 改进型长短期记忆神经网络 权重精简 梯度下降算法 自适应 动量

在线阅读 下载PDF 职称材料

隐马尔可夫模型的道路拥堵时间预测 被引量：6

11

作者 张绪冰 谢雨飞 《计算机工程与应用》 CSCD 北大核心 2022年第16期312-318,共7页

道路车辆拥堵问题导致交通事故增加,降低了居民的出行效率,长时间的道路拥堵更是加重了环境污染,造成国家经济损失等诸多问题。为缓解城市道路交通的拥堵问题,提高出行效率,基于隐马尔可夫模型,针对已有道路拥堵时间数据进行采集与建模... 道路车辆拥堵问题导致交通事故增加,降低了居民的出行效率,长时间的道路拥堵更是加重了环境污染,造成国家经济损失等诸多问题。为缓解城市道路交通的拥堵问题,提高出行效率,基于隐马尔可夫模型,针对已有道路拥堵时间数据进行采集与建模,并对该隐马尔可夫模型进行训练,通过算法计算与分析,预测未来一段时间的道路拥堵情况,为人们的出行提供拥堵时间预测,而后提出不同时段通过道路用时最短的最优路径。对韦尔奇算法进行改进,在原算法基础上增加考虑前n时刻状态。利用改进型韦尔奇算法,使得训练集参数更精确,达到预测精度更高的目的。实验结果表明,预测数据结果与真实数据相比,误差不超过3%,该模型预测结果具有较高准确性。 展开更多

关键词 拥堵时间预测 隐马尔可夫模型 改进型韦尔奇算法 最优路径

在线阅读 下载PDF 职称材料

基于改进降噪自编码器和多元时序聚类的海上风电功率预测 被引量：6

12

作者 周海 刘建锋 +3 位作者 周健 周勇良 李美玉 励晨阳 《太阳能学报》 EI CAS CSCD 北大核心 2023年第3期129-138,共10页

针对海上数值天气预报(NWP)精度低、气象因素复杂等特点,提出一种基于改进的双向降噪自编码器(BDAE)和多元时序聚类的短期海上风电功率预测方法。首先,利用Toeplitz矩阵逆协方差聚类(TICC)进行风况相似性分类,即根据30、70、100 m海上NW... 针对海上数值天气预报(NWP)精度低、气象因素复杂等特点,提出一种基于改进的双向降噪自编码器(BDAE)和多元时序聚类的短期海上风电功率预测方法。首先,利用Toeplitz矩阵逆协方差聚类(TICC)进行风况相似性分类,即根据30、70、100 m海上NWP风速进行多元序列实时分割与聚类;然后,针对不同风况类型分别建立可提取过去、未来双向有效信息的改进BDAE修正模型,以修正轮毂高度风速的预测误差;最后,基于修正后的轮毂高度风速以及其余NWP数据,利用TICC算法划分气象相似类型,并在此基础上建立对应的海上风电功率预测模型。采用国内某海上风电场数据进行实验验证,结果表明所提方法能提高海上风电功率预测精度,具有一定工程实用价值。 展开更多

关键词 海上风电场 天气预报 聚类算法 风电功率预测 改进双向降噪自编码器 多元时间序列

在线阅读 下载PDF 职称材料

基于相似日选取和PCA-LSTM的光伏出力组合预测模型研究 被引量：3

13

作者 孟亦康 许野 +2 位作者 王鑫鹏 王涛 李薇 《太阳能学报》 EI CAS CSCD 北大核心 2024年第7期453-461,共9页

构建一套融合主成分分析方法(PCA)、改进的K-均值聚类方法、动态时间规整算法(DTW)和长短期记忆神经网络(LSTM)的光伏出力组合预测模型。在运用PCA法提取气象要素的主成分因子的基础上,创新性地联合使用改进的K-均值聚类方法和DTW算法... 构建一套融合主成分分析方法(PCA)、改进的K-均值聚类方法、动态时间规整算法(DTW)和长短期记忆神经网络(LSTM)的光伏出力组合预测模型。在运用PCA法提取气象要素的主成分因子的基础上,创新性地联合使用改进的K-均值聚类方法和DTW算法生成内部关联程度高且与待预测日的天气特征相近的历史日样本集;然后,结合LSTM神经网络,构建基于相似日选取的光伏发电功率预测模型,最终实现了云南某光伏电站发电功率的精准预测。与其他预测模型的对比结果显示,该文构建的组合预测模型具备更好的预测性能和广阔的应用前景。 展开更多

关键词 光伏电站 主成分分析 长短期记忆神经网络 预测模型 改进的K-均值聚类方法 动态时间规整算法

在线阅读 下载PDF 职称材料

基于油中溶解气体分析的变压器故障预测 被引量：5

14

作者 陈铁 陈卫东 +1 位作者 李咸善 陈忠 《电子测量技术》 北大核心 2021年第22期25-31,共7页

预测变压器潜伏性故障对评估其健康状态至关重要。提出一种新型变压器故障预测方法,首先以LSTM网络为载体搭建时间注意力机制预测框架,并采用IALO算法优化其参数;其次利用优化的模型预测变压器油中溶解气体;然后采用MPA算法优化的SVM模... 预测变压器潜伏性故障对评估其健康状态至关重要。提出一种新型变压器故障预测方法,首先以LSTM网络为载体搭建时间注意力机制预测框架,并采用IALO算法优化其参数;其次利用优化的模型预测变压器油中溶解气体;然后采用MPA算法优化的SVM模型对气体预测结果进行故障诊断;最后统计诊断结果并与实际运行状态对比验证模型。实验结果显示在第42~58天内运行状态异常次数最多为29次,未来两个月内运行异常几率为86.89%,其中中温过热故障占比最高为88.67%,与实际情况误差仅为2.46%和1.29%,预测结果与实际运行情况符合较高,证明了所提方法在准确预测变压器运行状态异常时间点和故障类型中的可行性。 展开更多

关键词 变压器 故障预测 溶解气体分析 改进的蚁狮算法 长短时记忆网络 时间注意力机制 支持向量机

在线阅读 下载PDF 职称材料

非线性经济预测中的神经网络模型与应用 被引量：4

15

作者 樊重俊 樊鸿飞 《统计与决策》 CSSCI 北大核心 2008年第16期158-160,共3页

文章讨论了神经网络用于非线性经济系统建模与预测的问题和方法。主要探讨了如下几个问题:(1)相关变量的选择;(2)运用改进遗传算法学习神经网络连接权值;(3)模型阶数确定准则;(4)观测数据的可预测性与模型的有效性检验;(5)缺损值的处理。

关键词 神经网络 改进遗传算法 非线性时间序列 经济预测

在线阅读 下载PDF 职称材料

改进的球头铣刀加工表面形貌建模方法 被引量：4

16

作者 王仁伟 张松 +3 位作者 葛人杰 栾晓娜 王家昌 鲁韶磊 《计算机集成制造系统》 EI CSCD 北大核心 2021年第4期973-980,共8页

为解决传统时间步形貌模型存在的刀刃微元尺寸和切削时间离散步长对工件网格尺寸依赖性强、计算效率低、计算精度差等问题,提出一种改进的时间步形貌模型。首先,基于5轴铣削加工中刀具与工件之间的相对运动关系,运用齐次坐标变换原理建... 为解决传统时间步形貌模型存在的刀刃微元尺寸和切削时间离散步长对工件网格尺寸依赖性强、计算效率低、计算精度差等问题,提出一种改进的时间步形貌模型。首先,基于5轴铣削加工中刀具与工件之间的相对运动关系,运用齐次坐标变换原理建立刀刃扫掠面方程。其次,基于刀具不同倾斜角时与工件的接触关系,建立了切入刀刃模型。然后,根据刀刃微元端点在切削时间离散步的开始及结束时刻的空间位置,对刀刃扫掠面进行三角形网格划分,并提出了面向三角形与线段相交的刀具与工件布尔运算模型。最终,利用AISI P20模具钢球头铣刀5轴加工实验,验证了模型的有效性。研究表明,与传统时间步形貌模型相比,改进的时间步形貌模型不但突破了传统模型中工件网格尺寸对刀刃微元尺寸及切削时间离散步长的限制,而且获得了更高的预测精度及计算效率。 展开更多

关键词 改进时间步算法 三角形网格划分 铣削表面形貌建模 预测精度 计算效率

在线阅读 下载PDF 职称材料