检索结果-维普期刊中文期刊服务平台

数据驱动与物理机制耦合的菜子湖流域水位预报模型研究: 1; 作者张运鑫雷岳清 +4 位作者廖卫红张召雷晓辉年树强张志山《中国农村水利水电》北大核心 2024年第9期145-151,159,共8页; 菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法... 展开更多; 关键词四水源新安江模型神经网络(LSTM)模型数据驱动和物理机制相结合水位误差; 在线阅读下载PDF 职称材料

基于数据物理混合驱动的超短期风电功率预测模型被引量：7: 2; 作者杨茂王达 +3 位作者王小海范馥麟高博王勃《高电压技术》 EI CAS CSCD 北大核心 2024年第11期5132-5141,共10页; 为提升超短期风电功率预测精度,提出一种数据-物理混合驱动的超短期风电功率预测方法。首先,构建一种融合双向门控循环单元的残差网络结构,将其在测试集的预测结果作为预测模板。然后,根据风速-风电转换特性,基于多项式-线性回归模型拟... 展开更多; 关键词风电场超短期预测数据物理混合驱动切换机制波动阈值深度残差网络; 在线阅读下载PDF 职称材料

融合物理机制的机器学习水文模型研究进展: 3; 作者张建云谢康 +3 位作者刘艳丽郑雅莲汤梓杰王国庆《人民长江》北大核心 2025年第10期37-46,共10页; 随着信息技术和物理模型的发展,融合物理机制的机器学习方法因其优越的准确性、物理一致性以及有效处理不确定性和非线性特征的能力,正逐渐成为水文领域的研究热点。在重点综述近10 a来融合物理机制的机器学习在水文模型中最新应用与发... 展开更多; 关键词水文模型数据驱动物理机制机器学习; 在线阅读下载PDF 职称材料

基于数据的自适应CPS软件结构模型设计方法被引量：2: 4; 作者许浩虞慧群《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第6期841-848,共8页; 信息物理系统(Cyber-Physical System,CPS)一般在动态环境中控制物理设备的运行,因此环境参数影响着CPS的结构和行为。提出了一种基于数据的自适应软件结构模型设计方法,该方法中CPS软件结构模型由单元模块通过层次化的组合构造而成。CP... 展开更多; 关键词信息物理系统数据驱动软件结构自适应机制软件设计; 在线阅读下载PDF 职称材料

水文水资源领域深度学习研究进展综述被引量：28: 5; 作者刘攀郑雅莲 +2 位作者谢康韩东阳程潜《人民长江》北大核心 2021年第10期76-83,共8页; 现代水文监测技术的迅猛发展产生了海量的水雨情数据,为深度学习理论助力水文水资源领域的研究和生产实践带来了机遇与挑战。从水文模拟、水资源管理、水环境评价3个方面开展文献调研,综述了水文水资源领域的深度学习研究进展。归纳了... 展开更多; 关键词水文水资源深度学习数据挖掘数据驱动模型物理机制模型; 在线阅读下载PDF 职称材料

题名数据驱动与物理机制耦合的菜子湖流域水位预报模型研究: 1; 作者张运鑫雷岳清廖卫红张召雷晓辉年树强张志山; 机构河北工程大学水利水电学院河北省水资源高效利用工程技术研究中心中国水利水电科学研究院流域水循环模拟与调控国家重点实验室天津大学建筑工程学院中国葛洲坝集团; 出处《中国农村水利水电》北大核心 2024年第9期145-151,159,共8页; 基金流域水循环模拟与调控国家重点实验室重点项目(SKL2022ZD03)。; 文摘菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法,构建了四水源新安江-LSTM耦合模型,进一步将物理机制模型模拟的入湖流量作为补充因子,驱动神经网络(LSTM)模型模拟菜子湖水位,从而实现两种不同模型在湖泊水位预报中的耦合应用。结果得出:直接模拟水位的洪水误差小于0.1 m,耦合模拟水位的洪水误差小于0.02 m,后者相较前者,水位误差精度提升了0.08 m。直接模拟水位验证期的洪水误差在0.02 m之内,纳什系数R^(2)分别为0.89、0.75及0.88,均方根误差RMSE分别为0.034、0.027及0.015;耦合模拟水位验证期的洪水误差在0.015 m之内,纳什系数R^(2)分别为0.91、0.82及0.88,均方根误差RMSE分别为0.019、0.021及0.008。研究结果表明,与单驱动因子得出的结果相比,双驱动因子得出的结果更有效地提高了水位的模拟精度。同时在考虑对应降雨的洪水过程中,数据驱动和物理机制相结合的方法与直接预测水位误差相对比,有效地提高了场次洪水水位预报的精度,得到更精确的模拟结果。为引江济淮工程的调水提供了重要的参考依据,也为相似调水工程的洪水水位预报提供一定的参考。; 关键词四水源新安江模型神经网络(LSTM)模型数据驱动和物理机制相结合水位误差; Keywords Four water source Xinʹan River model neural network(LSTM)model the method of data driven and physical mechanism water level error; 分类号 TV124 [水利工程—水文学及水资源]; 在线阅读下载PDF 职称材料

题名基于数据物理混合驱动的超短期风电功率预测模型被引量：7: 2; 作者杨茂王达王小海范馥麟高博王勃; 机构现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学) 内蒙古电力(集团)有限责任公司思克莱德大学能源与环境学院中国电力科学研究院有限公司新能源与储能运行控制全国重点实验室; 出处《高电压技术》 EI CAS CSCD 北大核心 2024年第11期5132-5141,共10页; 基金国家重点研发计划(2018YFB0904200) 内蒙古电力(集团)有限责任公司科技项目(DUKZZZ-YBHT-2021-JSC0401-0015)。; 文摘为提升超短期风电功率预测精度,提出一种数据-物理混合驱动的超短期风电功率预测方法。首先,构建一种融合双向门控循环单元的残差网络结构,将其在测试集的预测结果作为预测模板。然后,根据风速-风电转换特性,基于多项式-线性回归模型拟合风电场风速-功率曲线,在风速高波动时点,以物理机理透明的风速-功率曲线进行预测。最后,根据风速波动阈值建立不同模型之间的动态切换机制,按切换的时点修改模板预测值,对于修正风速小于切入风速的时点,将预测值置零。在吉林省某装机容量为400.5 MW的风电场提供的数据上进行仿真实验得到,测试集第16步预测的平均归一化均方根误差为0.1589,全部切换中有利切换占比达到90.86%,验证了提出的超短期风电功率预测模型的有效性和适用性。; 关键词风电场超短期预测数据物理混合驱动切换机制波动阈值深度残差网络; Keywords wind farm ultra-short-term forecasting data-physical hybrid driven switching mechanism fluctuation threshold deep residual network; 分类号 TM614 [电气工程—电力系统及自动化] 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

题名融合物理机制的机器学习水文模型研究进展: 3; 作者张建云谢康刘艳丽郑雅莲汤梓杰王国庆; 机构南京水利科学研究院水灾害防御全国重点实验室水利部应对气候变化研究中心河海大学长江保护与绿色发展研究院长江水利委员会水文局; 出处《人民长江》北大核心 2025年第10期37-46,共10页; 基金国家重点研发计划项目(2023YFF0805702) 国家自然科学基金青年科学基金项目(52409035) +1 种基金江苏省基础研究专项资金项目(BK20240284)。; 文摘随着信息技术和物理模型的发展,融合物理机制的机器学习方法因其优越的准确性、物理一致性以及有效处理不确定性和非线性特征的能力,正逐渐成为水文领域的研究热点。在重点综述近10 a来融合物理机制的机器学习在水文模型中最新应用与发展的基础上,总结了物理机制与机器学习融合模型的不同应用分类,分为误差校正型、参数优化型、数据增强型、物理约束型、结构内嵌型、公式融入型等6种,并重点讨论了数据与物理双驱动水文模型的进展与不足。最后,展望了融合物理机制的机器学习在水文模型中的发展方向,提出需重点关注模型参数优化、可解释性问题、小样本及中长期尺度模拟等方面的研究,让物理机制与人工智能深度结合的新方法促进水文模型领域的建设与发展。; 关键词水文模型数据驱动物理机制机器学习; Keywords hydrological model data-driven physical mechanism machine learning; 分类号 TV213.4 [水利工程—水文学及水资源]; 在线阅读下载PDF 职称材料

题名基于数据的自适应CPS软件结构模型设计方法被引量：2: 4; 作者许浩虞慧群; 机构华东理工大学计算机科学与工程系上海市计算机软件评测重点实验室; 出处《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第6期841-848,共8页; 基金上海市自然科学基金(21ZR1416300) 国家自然科学基金(61772200)。; 文摘信息物理系统(Cyber-Physical System,CPS)一般在动态环境中控制物理设备的运行,因此环境参数影响着CPS的结构和行为。提出了一种基于数据的自适应软件结构模型设计方法,该方法中CPS软件结构模型由单元模块通过层次化的组合构造而成。CPS的自适应演化通过面向方面建模方法实现,将环境因素的功能抽象成方面模型,通过对方面模型与基础模型进行编织得到综合的CPS模型。基于Petri网和时态逻辑的形式化方法为CPS模型提供了数学表达和分析手段。理论分析和实验结果表明,本文的设计方法具有可行性和高效性。; 关键词信息物理系统数据驱动软件结构自适应机制软件设计; Keywords cyber-physical system data driven software architecture self-adaptive mechanism software design; 分类号 TP311.5 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名水文水资源领域深度学习研究进展综述被引量：28: 5; 作者刘攀郑雅莲谢康韩东阳程潜; 机构武汉大学水资源与水电工程科学国家重点实验室; 出处《人民长江》北大核心 2021年第10期76-83,共8页; 基金国家自然科学基金资助项目(51861125102,U1865201) 科技部重点领域创新团队项目(2018RA4014)。; 文摘现代水文监测技术的迅猛发展产生了海量的水雨情数据,为深度学习理论助力水文水资源领域的研究和生产实践带来了机遇与挑战。从水文模拟、水资源管理、水环境评价3个方面开展文献调研,综述了水文水资源领域的深度学习研究进展。归纳了深度学习方法的优势及应用难点:无需构建物理模型并可深度挖掘数据特征,在物理机制不明晰的问题中具有显著优势;但在应用时存在模型训练数据缺乏、超参数确定具有主观性、可解释性不足、与物理规律不符及泛化能力不足等难点问题。展望了可通过有机结合深度学习与水文物理机制模型,以融合经典水文规律,并开展迁移学习、强化学习以及对抗学习等应用研究,以更好地在水文资源领域探索运用深度学习方法。; 关键词水文水资源深度学习数据挖掘数据驱动模型物理机制模型; Keywords hydrology and water resources deep learning data mining data driving model physical mechanism model; 分类号 P33 [天文地球—水文科学]; 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	数据驱动与物理机制耦合的菜子湖流域水位预报模型研究	张运鑫雷岳清廖卫红张召雷晓辉年树强张志山	《中国农村水利水电》北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于数据物理混合驱动的超短期风电功率预测模型	杨茂王达王小海范馥麟高博王勃	《高电压技术》 EI CAS CSCD 北大核心	2024	7	在线阅读下载PDF 职称材料
3	融合物理机制的机器学习水文模型研究进展	张建云谢康刘艳丽郑雅莲汤梓杰王国庆	《人民长江》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于数据的自适应CPS软件结构模型设计方法	许浩虞慧群	《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
5	水文水资源领域深度学习研究进展综述	刘攀郑雅莲谢康韩东阳程潜	《人民长江》北大核心	2021	28	在线阅读下载PDF 职称材料