期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合改进NBEATSx和时间注意力机制的空气污染预测
1
作者
李杰
王占刚
《陕西科技大学学报》
北大核心
2024年第5期198-205,共8页
针对现有空气污染预测存在结构复杂、对多元变量与不同时间步间依赖关系提取不充分和多步预测精度低的问题,引入了β分布和非线性动态控制函数改进星鸦优化算法(INOA),优化NBEATSx模型参数,提高收敛精度;并融合时间模式注意力机制(TPA)...
针对现有空气污染预测存在结构复杂、对多元变量与不同时间步间依赖关系提取不充分和多步预测精度低的问题,引入了β分布和非线性动态控制函数改进星鸦优化算法(INOA),优化NBEATSx模型参数,提高收敛精度;并融合时间模式注意力机制(TPA)为不同时间尺度的多外生变量自适应分配权重,再结合预测因子获取时间模式关系.利用所提模型对北京地区的PM2.5进行预测,与传统模型相比精度提高超过18.45%,为空气污染预测提供了一种新方法.
展开更多
关键词
空气污染预测
时间模式注意力机制
星鸦优化算法
神经基扩展分析
网络
在线阅读
下载PDF
职称材料
基于改进STGCN与N-BEATS的风功率超短期预测
2
作者
程旭初
刘景霞
康荣凯
《现代电子技术》
2025年第8期115-121,共7页
精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提...
精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提取数据时空特征来提高预测精度。首先,利用STGCN对多元输入序列进行深度特征提取,充分挖掘风机SCADA数据中的时空潜在关系;同时,为了进一步提高预测精度,通过构建序列分解模块与多分辨率卷积对STGCN模型进行改进,使其能够更好地适应风电数据的复杂特性;然后,神经基扩展分析(N-BEATS)新型神经网络对STGCN提取的时空信息数据进行时序关系分析,得到最终预测结果;最后,以内蒙古某风场SCADA数据为例,通过多模型对比实验与自身消融实验验证了所提组合模型策略的有效性以及对STGCN的改进效果。实验结果表明,所设计模型在预测精度上取得了显著的提升,为风电功率预测领域的研究提供了新的思路和方法。
展开更多
关键词
超短期风功率预测
时空图卷积
神经基扩展分析
序列分解
深度特征提取
图卷积网络
在线阅读
下载PDF
职称材料
题名
融合改进NBEATSx和时间注意力机制的空气污染预测
1
作者
李杰
王占刚
机构
北京信息科技大学信息与通信工程学院
出处
《陕西科技大学学报》
北大核心
2024年第5期198-205,共8页
基金
国家重点研发计划项目(2018YFC1800203)
北京市科技创新服务能力建设-基本科研业务费(市级科研类)项目(PXM2019-014224-000026)。
文摘
针对现有空气污染预测存在结构复杂、对多元变量与不同时间步间依赖关系提取不充分和多步预测精度低的问题,引入了β分布和非线性动态控制函数改进星鸦优化算法(INOA),优化NBEATSx模型参数,提高收敛精度;并融合时间模式注意力机制(TPA)为不同时间尺度的多外生变量自适应分配权重,再结合预测因子获取时间模式关系.利用所提模型对北京地区的PM2.5进行预测,与传统模型相比精度提高超过18.45%,为空气污染预测提供了一种新方法.
关键词
空气污染预测
时间模式注意力机制
星鸦优化算法
神经基扩展分析
网络
Keywords
air pollution prediction
time pattern attention mechanism
nutcracker optimizer algorithm
neural basis expansion analysis with exogenous variables
分类号
TP399 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于改进STGCN与N-BEATS的风功率超短期预测
2
作者
程旭初
刘景霞
康荣凯
机构
内蒙古科技大学自动化与电气工程学院
出处
《现代电子技术》
2025年第8期115-121,共7页
基金
内蒙古自治区自然科学基金(2020LH05019)。
文摘
精准的风功率预测对电网调度具有重大意义,针对现有预测方法中数据特征提取不充分、输入序列过长时产生梯度消失和预测精度低的问题,提出一种基于改进时空图卷积(STGCN)与神经基扩展分析(N-BEATS)模型的组合预测模型,该方法通过充分提取数据时空特征来提高预测精度。首先,利用STGCN对多元输入序列进行深度特征提取,充分挖掘风机SCADA数据中的时空潜在关系;同时,为了进一步提高预测精度,通过构建序列分解模块与多分辨率卷积对STGCN模型进行改进,使其能够更好地适应风电数据的复杂特性;然后,神经基扩展分析(N-BEATS)新型神经网络对STGCN提取的时空信息数据进行时序关系分析,得到最终预测结果;最后,以内蒙古某风场SCADA数据为例,通过多模型对比实验与自身消融实验验证了所提组合模型策略的有效性以及对STGCN的改进效果。实验结果表明,所设计模型在预测精度上取得了显著的提升,为风电功率预测领域的研究提供了新的思路和方法。
关键词
超短期风功率预测
时空图卷积
神经基扩展分析
序列分解
深度特征提取
图卷积网络
Keywords
ultra-short-term wind power forecast
spatio-temporal graph convolution
neural basis expansion analysis for interpretable time series
sequence decomposition
deep feature extraction
graph convolution network
分类号
TN919-34 [电子电信]
TM614 [电子电信—通信与信息系统]
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
融合改进NBEATSx和时间注意力机制的空气污染预测
李杰
王占刚
《陕西科技大学学报》
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于改进STGCN与N-BEATS的风功率超短期预测
程旭初
刘景霞
康荣凯
《现代电子技术》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
