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
基于量子加权门限重复单元神经网络的性态退化趋势预测
被引量：
4
1
作者
李锋
向往
+1 位作者
王家序
汤宝平
《振动与冲击》
EI
CSCD
北大核心
2019年第1期123-129,158,共8页
提出基于量子加权门限重复单元神经网络(Quantum Weight Gated Recurrent Unit Neural Network,QWGRUNN)的旋转机械性态退化趋势预测方法。采用小波降噪-排列熵法构建性态退化指标集,将该指标集输入QWGRUNN完成旋转机械性态退化趋势预测...
提出基于量子加权门限重复单元神经网络(Quantum Weight Gated Recurrent Unit Neural Network,QWGRUNN)的旋转机械性态退化趋势预测方法。采用小波降噪-排列熵法构建性态退化指标集,将该指标集输入QWGRUNN完成旋转机械性态退化趋势预测。QWGRUNN在门限重复单元(Gated Recurrent Unit,GRU)基础上引入量子位来表示网络权值和活性值并构造量子相移门以实现权值量子位和活性值量子位的更新,改善了网络泛化能力,进而提高了所提出的性态退化趋势预测方法的预测精度;采用与自身结构相适应的动态学习参数,改善了网络收敛速度,进而提高了所提出的预测方法的计算效率。滚动轴承性态退化趋势预测实例验证了该方法的有效性。
展开更多
关键词
量子
加
权门
限重复
单元
神经网络
量子
计算
排列熵
趋势预测
旋转机械
在线阅读
下载PDF
职称材料
基于PCA-ShapeDTW-QWGRU的分布式光伏集群短期功率预测
被引量：
3
2
作者
欧阳静
秦龙
+3 位作者
王坚锋
尹康
褚礼东
潘国兵
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第5期458-467,共10页
针对分布式光伏短期功率预测建立基于主成分分析、改进的动态时间规整算法与量子加权门控循环单元(PCAShapeDTW-QWGRU)的集群功率预测模型。针对集群划分不够精细、光伏电站数据蕴含的信息难以捕捉的问题,提出基于主成分分析结合密度聚...
针对分布式光伏短期功率预测建立基于主成分分析、改进的动态时间规整算法与量子加权门控循环单元(PCAShapeDTW-QWGRU)的集群功率预测模型。针对集群划分不够精细、光伏电站数据蕴含的信息难以捕捉的问题,提出基于主成分分析结合密度聚类算法(PCA-OPTICS)的集群划分方法;针对目前选取代表电站与集群相似性较低的问题,提出基于改进的动态时间规整算法(ShapeDTW)的代表电站的选取方法,利用ShapeDTW度量相似性距离,选取最小值作为代表电站,并利用基于均方根传播梯度下降法优化的量子加权门控循环单元(RMSprop-QWGRU)模型进行预测;为了解决代表电站与集群功率的变换系数转换差异较大的问题,采用实时变换系数对代表电站进行集群功率值预测计算。实验结果表明,所提方法能有效提升光伏集群功率预测的精度。
展开更多
关键词
光伏功率预测
集群划分
主成分分析
动态时间规整
量子加权门控循环单元
在线阅读
下载PDF
职称材料
题名
基于量子加权门限重复单元神经网络的性态退化趋势预测
被引量：
4
1
作者
李锋
向往
王家序
汤宝平
机构
四川大学制造科学与工程学院
四川大学空天科学与工程学院
重庆大学机械传动国家重点实验室
出处
《振动与冲击》
EI
CSCD
北大核心
2019年第1期123-129,158,共8页
基金
中国博士后科学基金第60批面上资助项目(2016M602685)
机械传动国家重点实验室开放基金(SKLMT-KFKT-201718)
四川大学泸州市人民政府战略合作项目(2018CDLZ-30)
文摘
提出基于量子加权门限重复单元神经网络(Quantum Weight Gated Recurrent Unit Neural Network,QWGRUNN)的旋转机械性态退化趋势预测方法。采用小波降噪-排列熵法构建性态退化指标集,将该指标集输入QWGRUNN完成旋转机械性态退化趋势预测。QWGRUNN在门限重复单元(Gated Recurrent Unit,GRU)基础上引入量子位来表示网络权值和活性值并构造量子相移门以实现权值量子位和活性值量子位的更新,改善了网络泛化能力,进而提高了所提出的性态退化趋势预测方法的预测精度;采用与自身结构相适应的动态学习参数,改善了网络收敛速度,进而提高了所提出的预测方法的计算效率。滚动轴承性态退化趋势预测实例验证了该方法的有效性。
关键词
量子
加
权门
限重复
单元
神经网络
量子
计算
排列熵
趋势预测
旋转机械
Keywords
quantum weighted gated recurrent unit neural network(QWGRUNN)
quantum computation
permutation entropy
trend prediction
rotating machinery
分类号
TP393.1 [自动化与计算机技术—计算机应用技术]
TH17 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于PCA-ShapeDTW-QWGRU的分布式光伏集群短期功率预测
被引量：
3
2
作者
欧阳静
秦龙
王坚锋
尹康
褚礼东
潘国兵
机构
特种装备制造与先进加工技术教育部/浙江省重点实验室
浙江华云电力工程设计咨询有限公司
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第5期458-467,共10页
基金
浙江省基础公益技术研究计划(LGF21E070001)
浙江工业大学研究生教学改革项目(2022309)。
文摘
针对分布式光伏短期功率预测建立基于主成分分析、改进的动态时间规整算法与量子加权门控循环单元(PCAShapeDTW-QWGRU)的集群功率预测模型。针对集群划分不够精细、光伏电站数据蕴含的信息难以捕捉的问题,提出基于主成分分析结合密度聚类算法(PCA-OPTICS)的集群划分方法;针对目前选取代表电站与集群相似性较低的问题,提出基于改进的动态时间规整算法(ShapeDTW)的代表电站的选取方法,利用ShapeDTW度量相似性距离,选取最小值作为代表电站,并利用基于均方根传播梯度下降法优化的量子加权门控循环单元(RMSprop-QWGRU)模型进行预测;为了解决代表电站与集群功率的变换系数转换差异较大的问题,采用实时变换系数对代表电站进行集群功率值预测计算。实验结果表明,所提方法能有效提升光伏集群功率预测的精度。
关键词
光伏功率预测
集群划分
主成分分析
动态时间规整
量子加权门控循环单元
Keywords
PV power prediction
subgroup division
principal component analysis
dynamic time warping
quantum weighted gated recurrent unit
分类号
TM615 [电气工程—电力系统及自动化]
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
基于量子加权门限重复单元神经网络的性态退化趋势预测
李锋
向往
王家序
汤宝平
《振动与冲击》
EI
CSCD
北大核心
2019
4
在线阅读
下载PDF
职称材料
2
基于PCA-ShapeDTW-QWGRU的分布式光伏集群短期功率预测
欧阳静
秦龙
王坚锋
尹康
褚礼东
潘国兵
《太阳能学报》
EI
CAS
CSCD
北大核心
2024
3
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
