基于深度混合密度网络的住宅负荷概率预测

1

作者 张威 张晓丽 +2 位作者 刘影 彭鑫霞 王慧楠 《计算机应用与软件》 北大核心 2025年第6期127-135,209,共10页

为了解决住宅负荷预测中的不确定性问题,提升预测精度,提出一种基于深度混合密度网络的住宅负荷概率预测。设计一种端到端卷积神经网络和门控递归单元相结合的概率居民负荷预测复合模型;重新构造了一个损失函数,从而防止由间接结构传播... 为了解决住宅负荷预测中的不确定性问题,提升预测精度,提出一种基于深度混合密度网络的住宅负荷概率预测。设计一种端到端卷积神经网络和门控递归单元相结合的概率居民负荷预测复合模型;重新构造了一个损失函数,从而防止由间接结构传播产生较大误差,并提高计算效率,进一步将所设计的深度模型合并到混合密度网络中,直接预测概率密度函数。实验结果表明,相比于其他方法,该方法在居民负荷概率预测中具有一定优势。 展开更多

关键词 深度混合密度网络 住宅负荷 概率密度 门控循环单元

在线阅读 下载PDF 职称材料

基于改进混合密度网络的毁伤效应预测方法

2

作者 佘维 张人中 +2 位作者 田钊 刘炜 孔德锋 《郑州大学学报（理学版）》 CAS 北大核心 2024年第1期9-15,共7页

提出一种基于改进混合密度神经网络的毁伤效应预测方法,解决了现有智能毁伤效应预测方法中仅能输出点预测结果,但难以量化毁伤效应预测结果的不确定性问题。采用鲁棒性更好的t分布作为混合分量,利用混合密度网络生成概率密度函数,以反... 提出一种基于改进混合密度神经网络的毁伤效应预测方法,解决了现有智能毁伤效应预测方法中仅能输出点预测结果,但难以量化毁伤效应预测结果的不确定性问题。采用鲁棒性更好的t分布作为混合分量,利用混合密度网络生成概率密度函数,以反映毁伤效应预测中的不确定性,并根据给定置信水平获得区间预测结果。仿真实验表明,获得的概率密度函数可以较为准确地拟合蒙特卡洛仿真模拟结果,与现有的毁伤效应预测方法相比,可以更好地指导作战筹划。 展开更多

关键词 混合密度网络 毁伤效应预测 t Location-Scale分布 区间预测

在线阅读 下载PDF 职称材料

基于混合密度网络的NSCAT散射计海面风场反演 被引量：3

3

作者 冯倩 彭海龙 林明森 《海洋学报》 CAS CSCD 北大核心 2006年第5期44-48,共5页

以NSCAT散射计数据为例,介绍了一种神经网络反演海面风场的方法.风速的反演是基于多层感知器网络;多解风向的反演是基于多层感知器网络和混合密度模型组合而成的混合密度网络,其中的核函数采用高斯函数的形式.通过与欧洲中期天气预报模... 以NSCAT散射计数据为例,介绍了一种神经网络反演海面风场的方法.风速的反演是基于多层感知器网络;多解风向的反演是基于多层感知器网络和混合密度模型组合而成的混合密度网络,其中的核函数采用高斯函数的形式.通过与欧洲中期天气预报模式风场和现场浮标数据对比,证明了该神经网络反演海面风场的有效性. 展开更多

关键词 散射计 海面风场反演 混合密度网络

在线阅读 下载PDF 职称材料

股指期货风险测算研究--基于混合密度网络模型和CVaR模型的TRM理论应用 被引量：3

4

作者 周珺 彭蕾 《企业经济》 CSSCI 北大核心 2008年第5期175-177,共3页

随着《证券公司为期货公司提供中间介绍业务试行办法》、《期货公司风险监管指标管理试行办法》等法规条例的陆续出台,股指期货离我们渐行渐近。股指期货是深化我国金融市场改革和完善多层次资本市场的必经之路,可以预见,其真实价格发... 随着《证券公司为期货公司提供中间介绍业务试行办法》、《期货公司风险监管指标管理试行办法》等法规条例的陆续出台,股指期货离我们渐行渐近。股指期货是深化我国金融市场改革和完善多层次资本市场的必经之路,可以预见,其真实价格发现功能,套期保值功能等优势将为期货公司和实行自营业务的证券机构提供诸多便利。但是,由于股指期货同时具有高杠杆性和每日结算等特点,期货公司或从事IB业务的证券公司必须额外注意其风险控制。基于以上考虑,本文希望运用比较新颖和科学的数量方法对股指期货的风险测算进行一些尝试。 展开更多

关键词 股指期货 混合密度网络模型 CVAR模型 TRM理论

在线阅读 下载PDF 职称材料

基于空间近似概率约束的混合密度网络砂体厚度预测 被引量：5

5

作者 刘可 尹成 +1 位作者 赵虎 张运龙 《石油物探》 EI CSCD 北大核心 2020年第4期596-606,615,共12页

利用地震数据估计储层参数具有不确定性。传统神经网络等方法可视为一个复杂函数,不适用于不确定性问题。针对这一问题,以砂体厚度预测为例,提出了一种基于空间近似概率约束的混合密度网络储层参数预测方法。首先,通过混合密度网络获得... 利用地震数据估计储层参数具有不确定性。传统神经网络等方法可视为一个复杂函数,不适用于不确定性问题。针对这一问题,以砂体厚度预测为例,提出了一种基于空间近似概率约束的混合密度网络储层参数预测方法。首先,通过混合密度网络获得地震道储层参数“观测”概率分布;然后,根据地下介质的空间横向渐变性假设,获得地震道储层参数“估计”概率分布;最后,将两种概率分布融合,选取融合后概率分布的期望作为储层参数最优估计。建立了理论模型,测试了BP神经网络、混合密度网络以及所提方法在不同数量训练样本条件下的预测效果,结果表明,随着训练样本的减少,3种方法准确度均下降,但是,在相同数量训练样本下本方法的预测效果更好。X工区的实际应用结果与模型测试结果相一致,综合判断基于空间近似概率约束的混合度网络储层参数预测方法具有良好的应用潜力。 展开更多

关键词 BP神经网络 混合密度网络 概率分布 横向连续性 训练样本 地震属性 砂体厚度

在线阅读 下载PDF 职称材料

基于时序混合密度网络的超短期风电功率概率预测 被引量：13

6

作者 董骁翀 孙英云 +2 位作者 蒲天骄 王新迎 李烨 《电力系统自动化》 EI CSCD 北大核心 2022年第14期93-100,共8页

风电概率预测能够为新型电力系统安全运行提供关键的边界条件。提高预测精度是风电概率预测研究的关键问题,并且提高隐式模型的可解释性有益于人工智能模型的推广应用。因此,文中提出了时序混合密度网络,提取风电时序数据的局部矩信息... 风电概率预测能够为新型电力系统安全运行提供关键的边界条件。提高预测精度是风电概率预测研究的关键问题,并且提高隐式模型的可解释性有益于人工智能模型的推广应用。因此,文中提出了时序混合密度网络,提取风电时序数据的局部矩信息作为输入通道,采用时序卷积网络提取多时间尺度的概率特征,并使用混合Beta分布构建概率预测信息。算例结果表明,局部矩通道能有效提高模型训练的收敛性,并且由时序混合密度网络提取的混合分布参数具有一定的可解释性,其预测结果相比现有模型具有更高的精度。 展开更多

关键词 风电功率 概率预测 混合密度网络 时序卷积网络 最大似然估计 可解释性

在线阅读 下载PDF 职称材料

多元数据不确定度评定的神经网络方法

7

作者 韩峰 王建国 +1 位作者 乔登江 丁升 《计量学报》 CSCD 北大核心 2011年第6期564-569,共6页

针对辐照效应实验数据，研究了多维数据不确定度评定问题。将径向基函数神经网络与混合密度模型相结合，建立了基于径向基函数神经网络的混合密度神经网络，用于评定多维数据不确定度。给出了该神经网络的学习算法。将该神经网络应用于... 针对辐照效应实验数据，研究了多维数据不确定度评定问题。将径向基函数神经网络与混合密度模型相结合，建立了基于径向基函数神经网络的混合密度神经网络，用于评定多维数据不确定度。给出了该神经网络的学习算法。将该神经网络应用于抗辐射效应实验数据分析，给出了实验数据的不确定度估计，并预测了实验数据包含的多维非线性关系。算例验证了方法的有效性。 展开更多

关键词 计量学 辐照效应 不确定度评定 神经网络方法 多元数据 混合密度网络

在线阅读 下载PDF 职称材料

考虑极端天气的先验知识引导风/光短期出力场景生成方法研究

8

作者 陈浩 张文朝 +4 位作者 黄志光 张怡静 时艳强 李剑锋 赵永宁 《智慧电力》 北大核心 2025年第3期44-52,共9页

为准确反映新能源出力的时序特征,特别是极端天气对系统的影响,提出一种考虑极端天气的先验知识引导风光短期出力场景生成方法研究,首先,基于极端度量指标进行数据识别,构建正常天气和极端天气数据集,然后,针对2种数据集利用混合密度网... 为准确反映新能源出力的时序特征,特别是极端天气对系统的影响,提出一种考虑极端天气的先验知识引导风光短期出力场景生成方法研究,首先,基于极端度量指标进行数据识别,构建正常天气和极端天气数据集,然后,针对2种数据集利用混合密度网络(MDN)获取分布信息,最后,基于先验分布信息得到噪声序列,将其与历史实测数据输入并应用生成对抗网络(GAN)模型,获得风光出力场景。基于浙江某地区风电和光伏场站数据对所提方法的有效性进行验证,分析结果表明,所生成的风、光出力场景分别符合其真实时空相关关系,同时可以捕捉到极端天气下功率曲线随机特性,能够反映某地区风光实际出力时的波动性,为电力系统调度方案制定提供参考。 展开更多

关键词 场景生成 先验知识 极端天气 风光出力 混合密度-对抗生成网络

在线阅读 下载PDF 职称材料

考虑训练样本分布不均衡的超短期风电功率概率预测 被引量：5

9

作者 李丹 方泽仁 +3 位作者 缪书唯 胡越 梁云嫣 贺帅 《电网技术》 EI CSCD 北大核心 2024年第3期1133-1145,共13页

提出一种考虑训练样本分布不均衡的超短期风电概率预测方法。首先构建深度信念混合密度网络,通过深度信念网络独特的预训练和微调机制提取输入变量的隐特征,利用Beta混合概率分布的有界性准确表征风电预测功率的概率分布,实现隐特征与... 提出一种考虑训练样本分布不均衡的超短期风电概率预测方法。首先构建深度信念混合密度网络,通过深度信念网络独特的预训练和微调机制提取输入变量的隐特征,利用Beta混合概率分布的有界性准确表征风电预测功率的概率分布,实现隐特征与预测功率概率分布参数之间的非线性映射;然后引入训练样本分布平滑策略,其中特征分布平滑技术用于校准输入特征,标签分布平滑技术用于对各样本误差赋予差异化权重,从输入和输出两方面改善训练样本分布不均衡现象对预测结果的不利影响。实际算例结果表明,与常见风电功率概率预测模型相比,所提模型在点预测和概率预测方面均能获得较高的预测精度,尤其能有效提高低密度样本区域的预测精度。 展开更多

关键词 风电功率概率预测 深度信念网络 混合密度网络 训练样本分布不均衡 特征分布平滑 标签分布平滑

在线阅读 下载PDF 职称材料

基于神经网络方法获得最优化月球内部结构模型 被引量：3

10

作者 廖彬彬 徐建桥 +2 位作者 陈晓东 孙和平 周江存 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2022年第3期939-951,共13页

由于观测手段有限,目前对月球内部结构的认识还存在很大的不确定性,至今仍没有一个被广泛认可的内部结构模型,且现有对月球内部结构模型的研究几乎很少关注观测值对观测精度的影响.本研究采用混合密度神经网络方法得到了月球内部结构模... 由于观测手段有限,目前对月球内部结构的认识还存在很大的不确定性,至今仍没有一个被广泛认可的内部结构模型,且现有对月球内部结构模型的研究几乎很少关注观测值对观测精度的影响.本研究采用混合密度神经网络方法得到了月球内部结构模型的后验概率密度分布,获得了平均月球内部结构模型(Mean模型)、最大后验概率对应的月球内部结构模型(MAP模型)以及满足1-σ准则的月球内部结构模型(1-σ模型),其中MAP模型即为本文给出的最优化月球内部结构模型.此外,研究结果表明月球低速区S波波速低于月幔S波波速,因此本文结果支持月幔底部存在一个低速区的观点.不同观测值观测精度对模型影响的研究结果表明,勒夫数k_(2)存在一个约为0.0220的下边界,且其观测精度对月球内部结构模型的影响显著大于平均密度和平均转动惯量. 展开更多

关键词 月球内部结构 混合密度神经网络(MDN) 月球低速区 贝叶斯反演 谱元法

在线阅读 下载PDF 职称材料

基于自回归预测模型的深度注意力强化学习方法 被引量：18

11

作者 梁星星 冯旸赫 +3 位作者 黄金才 王琦 马扬 刘忠 《软件学报》 EI CSCD 北大核心 2020年第4期948-966,共19页

近年来,深度强化学习在各种决策、规划问题中展示了强大的智能性和良好的普适性,出现了诸如AlphaGo、OpenAI Five、Alpha Star等成功案例.然而,传统深度强化学习对计算资源的重度依赖及低效的数据利用率严重限制了其在复杂现实任务中的... 近年来,深度强化学习在各种决策、规划问题中展示了强大的智能性和良好的普适性,出现了诸如AlphaGo、OpenAI Five、Alpha Star等成功案例.然而,传统深度强化学习对计算资源的重度依赖及低效的数据利用率严重限制了其在复杂现实任务中的应用.传统的基于模型的强化学习算法通过学习环境的潜在动态性,可充分利用样本信息,有效提升数据利用率,加快模型训练速度,但如何快速建立准确的环境模型是基于模型的强化学习面临的难题.结合基于模型和无模型两类强化学习的优势,提出了一种基于时序自回归预测模型的深度注意力强化学习方法.利用自编码模型压缩表示潜在状态空间,结合自回归模型建立环境预测模型,基于注意力机制结合预测模型估计每个决策状态的值函数,通过端到端的方式统一训练各算法模块,实现高效的训练.通过CartPole-V0等经典控制任务的实验结果表明,该模型能够高效地建立环境预测模型,并有效结合基于模型和无模型两类强化学习方法,实现样本的高效利用.最后,针对导弹突防智能规划问题进行了算法实证研究,应用结果表明,采用所提出的学习模型可在特定场景取得优于传统突防规划的效果. 展开更多

关键词 注意力机制 深度强化学习 actor-critic算法 变分自动编码 混合密度网络-循环神经网络

在线阅读 下载PDF 职称材料

基于EMD⁃MDGAN的HRRP增扩方法 被引量：1

12

作者 王紫娇 王晓丹 《计算机工程》 CAS CSCD 北大核心 2021年第9期259-265,共7页

高分辨率距离像(HRRP)是弹道目标识别的主要特征,由于其为非合作目标因此观测频率极低,导致带标签样本量严重不足,而混合密度生成对抗网络(MDGAN)作为生成HRRP的有效方法,存在模式崩溃、网络不易收敛等问题。提出一种基于误差匹配分布(E... 高分辨率距离像(HRRP)是弹道目标识别的主要特征,由于其为非合作目标因此观测频率极低,导致带标签样本量严重不足,而混合密度生成对抗网络(MDGAN)作为生成HRRP的有效方法,存在模式崩溃、网络不易收敛等问题。提出一种基于误差匹配分布(EMD)改进MDGAN的弹道目标HRRP增扩方法EMD-MDGAN。将生成器、残差网络和注意力机制相结合,通过残差结构解决梯度消失的问题,利用注意力机制提高生成器中自编码器的特征提取能力,并把误差匹配思想引入损失函数设计中,以增强模型的稳定性,使网络更易收敛。实验结果表明,该模型在有效解决模式崩溃问题的基础上,可缩小生成样本与真实样本分布间差异,生成具有一定真实性、可靠性、多样性的数据,实现HRRP数据增扩。 展开更多

关键词 混合密度生成对抗网络 残差网络 注意力机制 误差匹配分布 高分辨率距离像

在线阅读 下载PDF 职称材料