基于相空间重构和长短期记忆算法的电力系统无功负荷预测模型 被引量：14

1

作者 赵冬梅 马泰屹 王闯 《现代电力》 北大核心 2020年第5期470-477,共8页

为了优化无功控制策略,改善电压质量,减小网损,针对无功负荷的随机性与非线性,提出一种基于相空间重构和长短期记忆神经网络的无功负荷预测模型。利用C-C法确定最优重构维数和延迟时间;通过计算最大Lyapunov指数说明无功负荷的混沌性;... 为了优化无功控制策略,改善电压质量,减小网损,针对无功负荷的随机性与非线性,提出一种基于相空间重构和长短期记忆神经网络的无功负荷预测模型。利用C-C法确定最优重构维数和延迟时间;通过计算最大Lyapunov指数说明无功负荷的混沌性;利用相空间重构技术将无功序列映射到高维空间,在高维空间利用长短期记忆神经网络进行预测;最后以海南省某地区的有功及无功负荷数据为例,通过Kolmogorov熵证实无功负荷的混沌程度大于有功负荷的混沌程度,算例验证了该方法的可行性,能提高无功负荷预测结果的准确度,有利于对电力系统无功进行更合理的调配和控制。 展开更多

关键词 相空间重构 长短期记忆 无功负荷预测 混沌 深度学习

在线阅读 下载PDF 职称材料

基于ALIF-VMD二次分解的NGO-CNN-LSTM电力负荷短期组合预测模型 被引量：1

2

作者 张琳 高胜强 +2 位作者 宋煜 卜帅羽 余伟 《科学技术与工程》 北大核心 2025年第11期4583-4597,共15页

针对电力负荷预测过程中普遍存在的负荷波动变化趋势明显、随机性强,以及预测模型的参数取值不合理导致的精度偏低问题,提出了一种基于ALIF-VMD(adaptive local iterative filtering-variational mode decomposition)二次分解和北方苍... 针对电力负荷预测过程中普遍存在的负荷波动变化趋势明显、随机性强,以及预测模型的参数取值不合理导致的精度偏低问题,提出了一种基于ALIF-VMD(adaptive local iterative filtering-variational mode decomposition)二次分解和北方苍鹰优化算法(northern goshawk optimization, NGO)优化CNN-LSTM(convolutional neural networks-long short-term memory)的电力负荷组合预测模型,在使用交叉映射收敛方法(convergent cross-mapping, CCM)准确识别电力负荷的关键影响因素的基础上,创新性地联合使用ALIF、基于NGO的VMD和模糊熵(fuzzy entropy, FE)对原始负荷序列进行组合分解和必要的重组;针对分解和重组后生成的模态分量,结合NGO确定的CNN-LSTM模型最优超参数组合,建立预测精度高、训练时间短、收敛速度快的NGO-CNN-LSTM日前电力负荷组合预测模型。与其他基准模型的对比结果表明,该模型具有更好的适应性和预测精度,可为电力系统的安全、可靠、经济运行提供重要的技术支撑。 展开更多

关键词 负荷预测 序列分解与重组 北方苍鹰算法 卷积神经网络-长短期记忆神经网络模型

在线阅读 下载PDF 职称材料

简短视空间记忆测验-修订版对精神病临床高危综合征人群转化的预测效度

3

作者 熊凌川 崔慧茹 +6 位作者 徐丽华 魏燕燕 张丹 钱禛颖 唐莺莹 张天宏 王继军 《中国神经精神疾病杂志》 北大核心 2025年第9期528-534,共7页

目的探索简短视空间记忆测验-修订版(brief visuospatial memory test-revised,BVMT-R)在预测精神病临床高危综合征(clinical high-risk for psychosis,CHR-P)受试者精神病转化中的作用。方法募集217名CHR-P受试者,基线时进行BVMT-R评估... 目的探索简短视空间记忆测验-修订版(brief visuospatial memory test-revised,BVMT-R)在预测精神病临床高危综合征(clinical high-risk for psychosis,CHR-P)受试者精神病转化中的作用。方法募集217名CHR-P受试者,基线时进行BVMT-R评估,并进行3年的随访,评估其是否发生精神病转化。应用广义可加模型分析BVMT-R总分与CHR-P精神病转化概率的关系,并采用最大选择秩统计量法,计算BVMT-R总分预测CHR-P人群精神病转化的截断值,根据得到的截断值将BVMT-R总分划分为不同区间,计算不同区间的阳性似然比和在不同时点的精神病转化率。结果最终168例CHR-P完成3年随访。广义可加模型结果显示,BVMT-R总分与CHR-P精神病转化概率之间的关系呈现分段函数模型特征。最大选择秩统计量法确定截断值为18分和29分,进而将BVMT-R总分划分为0~18分、19~29分、30~36分3个区间,3个区间预测CHR-P精神病转化的阳性似然比两两之间差异存在统计学意义(均P<0.01),3个区间在不同随访时点的精神病转化率差异有统计学意义(均P<0.01)。结论BVMT-R总分可划分成3个区间,每个区间有着不同的预测CHR-P精神病转化的阳性似然比,据此BVMT-R总分可初步预测CHR-P人群的精神病转化概率。 展开更多

关键词 精神病 临床高危综合征 简短视空间记忆测验-修订版 转化 广义可加模型 最大选择秩统计量 贝叶斯分类 预测

在线阅读 下载PDF 职称材料

基于KOA-BiLSTM的矿井淋水井筒风温预测模型及可解释性分析

4

作者 秦跃平 唐飞 +3 位作者 王海蓉 王鹏 郭铭彦 王世斌 《中国安全科学学报》 北大核心 2025年第7期40-47,共8页

为提高矿井淋水井筒风温预测的准确性、稳定性及模型的可解释性,首先,通过皮尔逊相关性系数分析特征变量;其次,采用开普勒优化算法(KOA)优化双向长短期记忆网络(BiLSTM)模型,建立基于KOA-BiLSTM的矿井淋水井筒风温预测模型;然后,在相同... 为提高矿井淋水井筒风温预测的准确性、稳定性及模型的可解释性,首先,通过皮尔逊相关性系数分析特征变量;其次,采用开普勒优化算法(KOA)优化双向长短期记忆网络(BiLSTM)模型,建立基于KOA-BiLSTM的矿井淋水井筒风温预测模型;然后,在相同样本条件下,与反向传播(BP)、随机森林(RF)、最小二乘增强(LSBoost)和支持向量机(SVM)算法进行综合对比;最后,利用沙普利可加性特征解释算法(SHAP)进行可解释性分析及实例验证。研究结果表明:KOA-BiLSTM模型的绝对误差范围为-1.24~0.5℃,比优化前模型的预测精度提高3.98%;与另外4个模型相比,该模型的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方误差(MSE)等均为最佳,表明该模型具有最优的预测效果和泛化能力;SHAP分析表明:井口风流温度对预测结果影响最大,而地面压力影响最小;KOA-BiLSTM模型实例验证的绝对误差范围为-0.49~0.38℃,预测精度可满足实际工作需要。 展开更多

关键词 开普勒优化算法(KOA)-双向长短期记忆网络(BiLSTM)模型 淋水井筒 风温预测模型 可解释性分析 皮尔逊相关性

在线阅读 下载PDF 职称材料

水文多变量相空间重构自记忆模型研究 被引量：1

5

作者 张高锋 沈冰 +2 位作者 黄领梅 张晓伟 莫淑红 《西北农林科技大学学报（自然科学版）》 CSCD 北大核心 2009年第12期229-234,共6页

【目的】针对单变量相空间重构自记忆模型存在的不足,研究多变量相空间重构自记忆模型在水文预报中的适用性。【方法】根据多变量相空间重构理论构造多维相空间,并在此基础上,结合自忆性原理,建立多变量相空间重构自记忆模型,最后利用... 【目的】针对单变量相空间重构自记忆模型存在的不足,研究多变量相空间重构自记忆模型在水文预报中的适用性。【方法】根据多变量相空间重构理论构造多维相空间,并在此基础上,结合自忆性原理,建立多变量相空间重构自记忆模型,最后利用新疆和田绿洲的实测月蒸发能力资料进行验证。【结果】和田绿洲月蒸发能力实测资料检验结果表明,建立多变量相空间重构模型是可行的,可以取得理想的效果。【结论】多变量相空间重构自记忆模型的建立使得相空间重构自记忆模型从一维拓展到了多维,也使得该模型更加符合生产实际。 展开更多

关键词 水文 灰色关联分析 多变量相空间重构 自记忆模型 季节性指数 月蒸发能力 新疆和田

在线阅读 下载PDF 职称材料

基于相空间重构的定子绕组端部机械振动信号监测研究

6

作者 郭铨楹 夏成宇 赵蔚文 《现代电子技术》 北大核心 2025年第10期167-172,共6页

定子绕组端部应用的工业环境存在大量的噪声源,且定子绕组端部的机械振动信号特征具有宽动态范围和高随机度的特点,使得振动信号的相空间结构较为复杂,难以准确重构,且无法捕捉到信号的复杂动态行为,这增大了对振动信号监测的难度。为此... 定子绕组端部应用的工业环境存在大量的噪声源,且定子绕组端部的机械振动信号特征具有宽动态范围和高随机度的特点,使得振动信号的相空间结构较为复杂,难以准确重构,且无法捕捉到信号的复杂动态行为,这增大了对振动信号监测的难度。为此,提出一种定子绕组端部机械振动信号监测方法。利用三轴加速度传感器采集定子绕组端部机械振动信号,获取其时频流形特征。结合时频原子与相空间重构法对相空间中各维度上振动信号的时频分布展开重构,准确捕捉信号的复杂动态行为,突出振动信号与正常信号的差异,提高宽动态范围内对信号微小变化的监测敏感度。将增强后的振动信号输入到双向长短期记忆(BiLSTM)网络模型中,实现对定子绕组端部机械振动信号的监测。实验结果表明,采用所提方法后JTFE指标显著降低,说明振动信号的频带能量分布更为集中,能够更加精准地监测振动信号。 展开更多

关键词 定子绕组端部 机械振动信号 相空间重构 振动信号监测 三轴加速度传感器 双向长短期记忆网络 时频流形特征

在线阅读 下载PDF 职称材料

基于递归熵及长短期记忆神经网络的滚动轴承退化趋势预测 被引量：2

7

作者 崔澜 张宏立 +1 位作者 马萍 王聪 《轴承》 北大核心 2021年第3期45-51,55,共8页

针对滚动轴承退化趋势预测中的特征选择及模型优化问题,提出了基于相空间重构结合长短期记忆神经网络的滚动轴承退化趋势预测方法。首先,在滚动轴承退化特征灰色关联分析的基础上,对滚动轴承运行状态跟踪能力进行量化评估;然后,为统一... 针对滚动轴承退化趋势预测中的特征选择及模型优化问题,提出了基于相空间重构结合长短期记忆神经网络的滚动轴承退化趋势预测方法。首先,在滚动轴承退化特征灰色关联分析的基础上,对滚动轴承运行状态跟踪能力进行量化评估;然后,为统一描述各个特征对轴承退化状态的表征信息,采用谱聚类方法对滚动轴承运行状态进行了准确划分;最后,以滚动轴承正常期的退化指标为基础,采用长短期记忆神经网络预测滚动轴承退化趋势。试验表明,该方法不仅能及时发现轴承运行的衰退时间点,且相比于BP和RBF神经网络具有更高的寿命预测精度。 展开更多

关键词 滚动轴承 性能 长短期记忆神经网络 谱聚类 相空间重构

在线阅读 下载PDF 职称材料

SBAS-InSAR技术融合CNN-LSTM模型的矿区开采沉陷监测与预测 被引量：8

8

作者 师芸 折夏雨 +3 位作者 张雨欣 王凯 张琨 吴睿 《安全与环境学报》 CAS CSCD 北大核心 2024年第9期3429-3438,共10页

针对传统矿区开采沉陷监测方法耗费人力财力和预测预警模型较少的问题,研究提出一种基于短基线集合成孔径雷达干涉测量(Small Baseline Subset-Interferometry Synthetic Aperture Radar,SBAS-InSAR)技术和卷积神经网络(Convolutional N... 针对传统矿区开采沉陷监测方法耗费人力财力和预测预警模型较少的问题,研究提出一种基于短基线集合成孔径雷达干涉测量(Small Baseline Subset-Interferometry Synthetic Aperture Radar,SBAS-InSAR)技术和卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的矿区开采沉陷监测预测方法。首先,利用SBAS-InSAR技术对建新煤矿进行矿区开采沉陷监测,获取了该矿区的年平均沉降速率和累计沉降值。用GNSS监测数据与SBAS-InSAR结果进行对比验证,其拟合效果较好。其次,在此基础上利用CNN-LSTM模型预测后6期沉降数据,其结果与CNN和LSTM预测结果进行对比。研究显示,CNN-LSTM模型的平均绝对误差(S_(MAE))和均方根误差(S_(RMSE))比单一的CNN和LSTM分别至少降低了44.8%和40.6%,其决定系数均高于98%。最后,进一步预测前6期和中6期沉降数据,验证了CNN-LSTM预测模型在时间上的一致性。因此,SBAS-InSAR融合CNN-LSTM模型在类似矿山开采沉陷监测和预测中有较好的应用前景。 展开更多

关键词 安全工程 短基线集合成孔径雷达干涉测量(SBAS-InSAR) 开采沉陷 卷积神经网络-长短期记忆(CNN-LSTM)模型 沉降预测

在线阅读 下载PDF 职称材料

基于EMD-CNN-LSTM混合模型的短期电力负荷预测 被引量：49

9

作者 徐岩 向益锋 马天祥 《华北电力大学学报（自然科学版）》 CAS 北大核心 2022年第2期81-89,共9页

为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural networ... 为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition,EMD)、卷积神经网络(convolutional neural network,CNN)和长短期记忆网络(long-term and short-term memory network,LSTM)的混合模型短期电力负荷预测方法,将海量过往负荷数据、温度和历史电价信息以滑动窗口方式构造串联特征向量作为输入,先利用EMD将数据重构成多个分量,将高、中和低频分量各自叠加组合,再运用CNN提取高、中分量的潜藏特征,减少权值数量,并以特征向量的方式输入LSTM网络进行负荷预测,最后叠加各分量预测结果得到最终负荷预测值。实验结果表明,相对于BP神经网络(Back Propagation Neural Network)、支持向量机(support vector machine,SVM)、LSTM模型和EMD-LSTM模型,此模型具有更高的负荷预测精度。 展开更多

关键词 短期负荷预测 经验模态分解 卷积神经网络 长短期记忆网络 经验模态分解-卷积网络-长短期记忆网络混合模型

在线阅读 下载PDF 职称材料

CEEMDAN-CNN-BiLSTM混合模型矿区地表沉降预测 被引量：1

10

作者 王凯 肖星星 +2 位作者 余永明 贾庆磊 赵思仲 《导航定位学报》 CSCD 北大核心 2024年第5期156-163,共8页

为了进一步发挥全球卫星导航系统(GNSS)实时监测优势,对时序数据中的潜藏特征与隐藏信息进行深度挖掘,提高地表沉降预测精度,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CEEMDA... 为了进一步发挥全球卫星导航系统(GNSS)实时监测优势,对时序数据中的潜藏特征与隐藏信息进行深度挖掘,提高地表沉降预测精度,提出基于自适应噪声完备集合经验模态分解(CEEMDAN)、卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)的CEEMDAN-CNN-BiLSTM混合地表沉降预测方法:以皖北某大型煤矿开采工作面与工业广场区域为验证对象,对比分析稳定区域和重点监测区域数据形态;然后基于CEEMDAN重构监测站高程数据分量,输入CNN模型提取分量隐含信息;最后构建BiLSTM模型,实现对沉降监测点位数据的短期预测。实验结果表明,相较于传统的CNN和长短期记忆模型,CEEMDAN-CNN-BiLSTM混合模型可有效降低预测误差,其中平均绝对百分比误差(MAPE)的降低范围为40%~90%,而均方根(RMS)误差的降低范围为52%~87%;该模型在时空特征捕捉和泛化能力方面表现性能较好,可为GNSS时间序列短期预测提供更为精准和可靠的解决方案。 展开更多

关键词 沉降预测 自动化监测 时序数据 混合模型 自适应噪声完备集合经验模态分解(CEEMDAN)-卷积神经网络(CNN)-双向长短期记忆网络(BiLSTM)

在线阅读 下载PDF 职称材料

InSAR监测数据的地表沉陷深度学习预测模型研究

11

作者 李刚 支梦辉 +3 位作者 李斌 杨帆 彭志伟 李东亮 《中国安全科学学报》 北大核心 2025年第S1期107-113,共7页

为研究地下采矿引发的地面沉降预测问题,以山西省晋城市阳城县为背景开展地表沉降监测与预测方法研究。首先,获取2018年1月至2020年12月期间的Sentinel-1 SAR影像(81景),结合数字高程模型(DEM)、大气校正在线服务(GACOS)及精密轨道数据... 为研究地下采矿引发的地面沉降预测问题,以山西省晋城市阳城县为背景开展地表沉降监测与预测方法研究。首先,获取2018年1月至2020年12月期间的Sentinel-1 SAR影像(81景),结合数字高程模型(DEM)、大气校正在线服务(GACOS)及精密轨道数据,采用小基线集干涉合成孔径雷达(SBAS-InSAR)技术精细化监测区域地表形变情况,揭示其时序演化与空间分布特征(最大沉降速率达27.84 mm/a);然后,构建基于变分模态分解(VMD)与反向传播(BP)神经网络相结合的混合预测模型(VMD-BP);最后,将该模型预测性能与传统长短期记忆网络(LSTM)模型及变分模态分解与长短期记忆网络(VMD-LSTM)模型进行对比分析。结果表明:VMD-BP模型显著提升了预测精度,在测试点位(点位a)的均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)分别低至0.27801 mm、0.23429 mm和0.39%,远优于LSTM及VMD-LSTM模型。 展开更多

关键词 地面沉降 形变预测 小基线集干涉合成孔径雷达(SBAS-InSAR)技术 长短期记忆网络(LSTM)模型 变分模态分解-长短期记忆网络(VMD-BP)模型

在线阅读 下载PDF 职称材料

融合相空间重构和深度学习的径流模拟预测 被引量：16

12

作者 师鹏飞 赵酉键 +3 位作者 徐辉荣 李振亚 杨涛 冯仲恺 《水科学进展》 EI CAS CSCD 北大核心 2023年第3期388-397,共10页

发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区... 发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区的10个流域(站点)进行验证。结果表明:PSR-LSTM能够提取水文变量的多维子空间特征,并较好预测不同时间尺度的径流变化过程;相较于LSTM,PSR-LSTM预测未来1、3、5、7、9时间步长的纳什效率系数在10个流域平均提高1.49%~9.77%,均方根误差平均降低17.01%~19.72%,对训练数据量的依赖程度相比LSTM降低25%~33%。研究成果可为广大资料短缺流域水文过程模拟和预测提供参考。 展开更多

关键词 径流预测 数据驱动 人工智能 相空间重构(PSR) 长短期记忆神经网络(LSTM)

在线阅读 下载PDF 职称材料

基于多元混沌时间序列PS-LSTM污染物预测模型 被引量：2

13

作者 王圣伟 李萍 +2 位作者 娄天泷 绽玉林 李鸿鸿 《传感器与微系统》 CSCD 北大核心 2022年第4期117-120,共4页

应用神经网络算法对环境状况进行研究是当前计算科学的热点。对于生态环境的预测方法而言,目前传统依靠单变量控制的方法不能满足受多因素影响的环境系统预测要求。根据多变量预测模式改进长短期记忆(LSTM)循环神经网络LSTM模型,通过增... 应用神经网络算法对环境状况进行研究是当前计算科学的热点。对于生态环境的预测方法而言,目前传统依靠单变量控制的方法不能满足受多因素影响的环境系统预测要求。根据多变量预测模式改进长短期记忆(LSTM)循环神经网络LSTM模型,通过增加窥视孔的方式,提出相空间(PS)-LSTM预测模型。选取流域生态系统中重金属污染物作为预测对象,结合温度、日径流等因素共同构建多元混沌相空间,较为真实地还原出流域环境重金属含量实际状态。最后,应用PS-LSTM模型对其进行预测。实验结果表明:改进后的模型能提高类似流域复杂生态系统的预测精度。 展开更多

关键词 流域生态 重金属含量 多元混沌相空间 相空间-长短期记忆模型 窥视孔

在线阅读 下载PDF 职称材料

基于深度残差长短记忆网络交通流量预测算法 被引量：14

14

作者 刘世泽 秦艳君 +5 位作者 王晨星 苏琳 柯其学 罗海勇 孙艺 王宝会 《计算机应用》 CSCD 北大核心 2021年第6期1566-1572,共7页

针对多步交通流量预测任务中时间空间特征提取效果不佳和预测未来时间交通流量精度低的问题,提出一种基于长短时记忆(LSTM)网络、卷积残差网络和注意力机制的融合模型。首先,利用一种基于编解码器的架构,通过在编解码器中加入LSTM网络... 针对多步交通流量预测任务中时间空间特征提取效果不佳和预测未来时间交通流量精度低的问题,提出一种基于长短时记忆(LSTM)网络、卷积残差网络和注意力机制的融合模型。首先,利用一种基于编解码器的架构,通过在编解码器中加入LSTM网络来挖掘不同尺度的时间域特征;其次,构建基于注意力机制挤压激励(SE)模块的卷积残差网络嵌入到LSTM网络结构中,从而挖掘交通流量数据中的空间域特征;最后,将编码器中获得的隐状态下的信息输入到解码器中,实现高精度多步交通流量的预测。基于真实交通数据进行实验测试和分析,实验结果表明,相较于原始的基于图卷积的模型,所提模型在北京和纽约两个交通流量公开数据集上的均方根误差(RMSE)分别获得了1.622和0.08的下降。所提模型能够高效且精确地对交通流量作出预测。 展开更多

关键词 时空数据挖掘 编解码器 长短期记忆 挤压-激励模块 空间注意力

在线阅读 下载PDF 职称材料

非线性非平稳波浪极短期预测的复合优化模型 被引量：6

15

作者 张茴栋 张德康 史宏达 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2022年第4期509-515,共7页

海浪的时间序列一般具有非线性和非平稳性,针对直接对其进行预测精度较差,本文利用复合模型对波浪进行了预测。利用长短期记忆神经网络模型的非线性学习能力和经验模态分解的非平稳数据处理能力,采用镜像对称和长短期记忆算法联合消除... 海浪的时间序列一般具有非线性和非平稳性,针对直接对其进行预测精度较差,本文利用复合模型对波浪进行了预测。利用长短期记忆神经网络模型的非线性学习能力和经验模态分解的非平稳数据处理能力,采用镜像对称和长短期记忆算法联合消除经验模态分解端点效应,建立了一种用于不规则波极短期预测的复合经验模态分解-长短期记忆模型。研究表明:通过比较分析水槽试验获得的一般不规则波、线性聚焦波和非线性畸形波的预测效果,结果揭示出经验模态分解端点效应对模型预测精度具有负面影响,本文基于自适应镜像延拓的复合经验模态分解-长短期记忆模型可以更好地预测极短期非线性、非平稳波浪时序的变化趋势。 展开更多

关键词 波浪极短期预测 水槽试验 非线性与非平稳性 经验模态分解 端点效应 自适应镜像延拓 复合经验模态分解-长短期记忆模型

在线阅读 下载PDF 职称材料

基于Vague软集的海上风电功率区间预测 被引量：1

16

作者 田书欣 朱峰 +2 位作者 杨喜军 符杨 苏向敬 《中国电机工程学报》 北大核心 2025年第4期1465-1476,I0019,共13页

海上风电输出功率的精准预测是保障海上风电并网系统调度运行的基础。针对海上风电海洋环境高度复杂、随机时空强烈耦合的特征,提出一种基于Vague软集的海上风电输出功率的新型区间预测方法。首先,引入Vague软集概念,提出融合Vague集真... 海上风电输出功率的精准预测是保障海上风电并网系统调度运行的基础。针对海上风电海洋环境高度复杂、随机时空强烈耦合的特征,提出一种基于Vague软集的海上风电输出功率的新型区间预测方法。首先,引入Vague软集概念,提出融合Vague集真隶属度和伪隶属度函数的交错式海上风电功率区间划分方法,实现风电功率数据Vague软区间化。其次,建立基于Vague-卷积神经网络(convolutional neural network,CNN)-长短期记忆神经网络(long short-term memory neural network,LSTM)的海上风电功率组合预测模型。通过类Vague软区间转换方法将双隶属度区间概率向量转化为海上风电功率复杂不确定信息下的区间预测结果。然后,从预测准确性、清晰性和兼顾性角度建立预测区间覆盖精度、预测区间宽度和预测综合水平等Vague软区间预测评估指标。最后,以我国东部某海上风电机组实际数据为算例进行验证。结果表明,所提预测模型预测结果可以兼顾预测区间的覆盖精度和清晰度,能够为海上风电不同工况下运行需求提供支撑。 展开更多

关键词 海上风电 Vague-卷积神经网络(CNN)-长短期记忆神经网络(LSTM)模型 Vague软集 软区间转换 区间预测

在线阅读 下载PDF 职称材料

突发公共卫生事件下感染人数与需求预测

17

作者 王付宇 叶惠芬 李艳 《安全与环境学报》 北大核心 2025年第10期3913-3922,共10页

当突发公共卫生事件发生后,由于其传播规律不明确和供需信息不对称等问题使得医疗物资的保障问题突显。研究通过预测突发公共卫生事件的发展情况,为建立应急医疗物资需求预测模型以确保稳定的物资保障提供重要基础。研究提出了易感者-... 当突发公共卫生事件发生后,由于其传播规律不明确和供需信息不对称等问题使得医疗物资的保障问题突显。研究通过预测突发公共卫生事件的发展情况,为建立应急医疗物资需求预测模型以确保稳定的物资保障提供重要基础。研究提出了易感者-暴露者-感染者-康复者-死亡者(Susceptible-Exposed-Infectious-Recovered-Death,SEIRD)模型和遗传算法(Genetic Algorithm,GA)改进的长短期记忆(Long Short-Term Memory,LSTM)神经网络相结合的SEIRD-GA-LSTM模型,实现了对疫情多阶段、多尺度的预测。实例分析结果显示:基于SEIRD-GA-LSTM的组合预测方法准确率较高,验证了模型的有效性和稳健性。 展开更多

关键词 公共安全 多阶段预测 易感者-暴露者-感染者-康复者-死亡者模型 遗传算法改进的长短期记忆网络 组合预测方法

在线阅读 下载PDF 职称材料

我国建筑业安全管理效率评价与预测研究 被引量：1

18

作者 倪国栋 贺先 +4 位作者 缪心玥 方亚琦 王文顺 谷甜甜 牛苗苗 《中国安全生产科学技术》 北大核心 2025年第1期56-63,共8页

为测度与预测我国建筑业安全管理效率,通过建立超效率松弛测度(SBM)模型测度建筑业安全管理效率,利用Malmquist指数揭示效率的动态演变过程,运用Dagum基尼系数及其分解和空间自相关分析对效率空间格局、差异来源和贡献以及集聚模式进行... 为测度与预测我国建筑业安全管理效率,通过建立超效率松弛测度(SBM)模型测度建筑业安全管理效率,利用Malmquist指数揭示效率的动态演变过程,运用Dagum基尼系数及其分解和空间自相关分析对效率空间格局、差异来源和贡献以及集聚模式进行探索,采用长短期记忆网络(LSTM)模型预测未来建筑业安全管理效率。研究结果表明:2012—2021年期间建筑业安全管理效率波动下降,2022年降至最低点,2023—2026年期间有小幅回升;纯技术效率和规模效率分别是影响效率水平和造成效率区域间差异的重要因素,区域间差异是效率空间差异的主要来源。研究结果可为提升我国建筑业安全管理效率和缩小其空间差异提供参考。 展开更多

关键词 建筑业 安全管理效率 松弛测度模型 动态演变 空间分布差异 长短期记忆网络

在线阅读 下载PDF 职称材料

基于深度神经网络模型的中文分词方案 被引量：11

19

作者 许峰 张雪芬 忻展红 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2019年第9期1662-1666,共5页

针对目前已有的分词算法和程序在处理海量网络文本分词时性能下降的问题,本文提出了一种基于深度神经网络模型的中文分词方案。该方案利用基于长短期记忆网络的编码-解码模型对数据模型进行训练,并采用得到的模型进行分词。为了提升分... 针对目前已有的分词算法和程序在处理海量网络文本分词时性能下降的问题,本文提出了一种基于深度神经网络模型的中文分词方案。该方案利用基于长短期记忆网络的编码-解码模型对数据模型进行训练,并采用得到的模型进行分词。为了提升分词性能,进一步提出了一种基于词向量的修正方法,对采用上述模型的分词结果进行修正。对典型微博语料数据集的实验结果表明,提出基于模型的分词性能相对于传统的分词软件的分词性能有了较大提升。采用提出的词向量修正方法修正后的分词准确率和F值略优于未修正的分词准确率和F值,从而验证了论文提出的分词方案的有效性。 展开更多

关键词 中文分词 长短期记忆网络 编码-解码模型 词向量 准确率 F值

在线阅读 下载PDF 职称材料

考虑不确定性量化的质子交换膜燃料电池剩余使用寿命混合预测

20

作者 余晓然 谢长君 +2 位作者 杨扬 朱文超 郭冰新 《中国电机工程学报》 北大核心 2025年第17期6804-6816,I0016,共14页

老化模型是评估质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)健康状态(state of health,SoH)和剩余使用寿命(remaining useful life,RUL)的关键,然而,其因诸多原因导致的不确定性降低了模型精度和可信度。因此,提出... 老化模型是评估质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)健康状态(state of health,SoH)和剩余使用寿命(remaining useful life,RUL)的关键,然而,其因诸多原因导致的不确定性降低了模型精度和可信度。因此,提出一种模型不确定度和SoH同时量化(model uncertainty and SoH simultaneous quantification,MUSQ)算法,用于指导和修正卷积神经网络-长短期记忆(convolutional neural networks-long short-term memory,CNN-LSTM)神经网络混合模型的长期预测,构建全新的RUL混合预测框架。采用动态负载循环耐久性实验数据,将该混合预测方法与扩展卡尔曼滤波算法、自适应扩展卡尔曼滤波算法、MUSQ算法、LSTM神经网络、CNN-LSTM混合模型等进行对比,该方法具有最优的长期预测性能和RUL估计精度。在负载电流为14.85 A的工况下,该方法累计误差分别降低49.64%、61.33%、30.65%、57.00%和52.90%。 展开更多

关键词 质子交换膜燃料电池(PEMFC) 模型不确定性 卷积神经网络-长短期记忆(CNN-LSTM)神经网络混合模型 剩余使用寿命 混合预测

在线阅读 下载PDF 职称材料