检索结果-维普期刊中文期刊服务平台

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... 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

融合SDE算法和双路加权门控循环神经网络的股价走势预测模型被引量：2: 2; 作者吴彬张勇唐颖军《小型微型计算机系统》 CSCD 北大核心 2021年第7期1371-1376,共6页; 关于股票价格走势的预测,传统的操作方法多是通过统计分析工具或者是单一的机器学习算法进行预测,很难准确把握股价这种时间序列数据的非线性和非平稳性等特征,从而使预测精度受限.融合SDE算法与加权BiGRU网络的优化预测模型,先使用SDE... 展开更多; 关键词自适应差分进化算法双路加权门控循环单元循环神经网络数据预测模型股价走势; 在线阅读下载PDF 职称材料

基于量子加权GRU神经网络的电力系统短期负荷预测被引量：12: 3; 作者王凇瑶张智晟《电力系统及其自动化学报》 CSCD 北大核心 2022年第1期1-7,共7页; 为提升电力系统短期负荷预测精度,提出粒子群算法优化量子加权门控循环单元神经网络模型。首先,将量子加权神经元融入门控循环单元神经网络中,构建量子加权门控循环单元神经网络预测模型,利用量子信息处理机制,提高该神经网络的非线性... 展开更多; 关键词短期负荷预测量子加权门控循环单元神经网络粒子群优化算法电力系统; 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：6: 4; 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... 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

基于Bagging的双向GRU集成神经网络短期负荷预测被引量：14: 5; 作者王康张智晟 +1 位作者撖奥洋于立涛《电力系统及其自动化学报》 CSCD 北大核心 2021年第10期24-30,共7页; 为了提高电力系统短期负荷的预测精度,提出了一种基于Bagging算法的双向加权门控循环单元GRU(gated recurrent unit)集成神经网络短期负荷预测模型。对双向门控循环单元BiGRU(bidirectional gated recurrent unit)神经网络两个方向的隐... 展开更多; 关键词短期负荷预测双向加权门控循环单元神经网络 BAGGING算法电力系统预测精度; 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

题名融合SDE算法和双路加权门控循环神经网络的股价走势预测模型被引量：2: 2; 作者吴彬张勇唐颖军; 机构江西财经大学软件与物联网工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2021年第7期1371-1376,共6页; 基金国家自然科学基金项目(61762043,61661022)资助江西省自然科学基金项目(20192BAB207022)资助江西省教育厅科学技术研究项目(GJJ190249,GJJ160425)资助。; 文摘关于股票价格走势的预测,传统的操作方法多是通过统计分析工具或者是单一的机器学习算法进行预测,很难准确把握股价这种时间序列数据的非线性和非平稳性等特征,从而使预测精度受限.融合SDE算法与加权BiGRU网络的优化预测模型,先使用SDE全局寻优网络的结构参数,求得最优初始权值、阈值以及权重系数,再将优化的参数应用到改良的加权BiGRU网络模型中进行预测.优化的预测模型能够有选择的考虑过去和未来时间点对当前时刻数据的影响,而且能有效避免局部最优值以及网络的长程依赖问题.实验结果表明,优化的预测模型与其他传统神经网络预测模型相比较,预测误差得到显著降低,预测准确度得到明显增强.; 关键词自适应差分进化算法双路加权门控循环单元循环神经网络数据预测模型股价走势; Keywords self-adaptive differential evolution algorithm bidirectional weighted gated recurrent unit recurrent neural network data prediction model stock price trend; 分类号 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

题名基于量子加权GRU神经网络的电力系统短期负荷预测被引量：12: 3; 作者王凇瑶张智晟; 机构青岛大学电气工程学院; 出处《电力系统及其自动化学报》 CSCD 北大核心 2022年第1期1-7,共7页; 基金国家自然科学基金资助项目(52077108)。; 文摘为提升电力系统短期负荷预测精度,提出粒子群算法优化量子加权门控循环单元神经网络模型。首先,将量子加权神经元融入门控循环单元神经网络中,构建量子加权门控循环单元神经网络预测模型,利用量子信息处理机制,提高该神经网络的非线性逼近能力和泛化能力。然后,使用全局优化能力较强的改进粒子群优化算法对所提出模型的参数进行寻优,构建权重矩阵进行负荷预测。最后,通过实际电网算例进行仿真,仿真结果表明,本文提出的粒子群优化量子加权门控循环单元神经网络预测模型的预测精度较高。; 关键词短期负荷预测量子加权门控循环单元神经网络粒子群优化算法电力系统; Keywords short-term load forecasting quantum weighted gated recurrent unit(GRU) neural network particle swarm optimization(PSO)algorithm power system; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于PCA-ShapeDTW-QWGRU的分布式光伏集群短期功率预测被引量：6: 4; 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

题名基于Bagging的双向GRU集成神经网络短期负荷预测被引量：14: 5; 作者王康张智晟撖奥洋于立涛; 机构青岛大学电气工程学院国网青岛供电公司; 出处《电力系统及其自动化学报》 CSCD 北大核心 2021年第10期24-30,共7页; 基金国家自然科学基金资助项目(51477078) 国网山东省电力公司科技项目(2020A-022)。; 文摘为了提高电力系统短期负荷的预测精度,提出了一种基于Bagging算法的双向加权门控循环单元GRU(gated recurrent unit)集成神经网络短期负荷预测模型。对双向门控循环单元BiGRU(bidirectional gated recurrent unit)神经网络两个方向的隐含层状态进行加权求和处理,使得对负荷点的预测可以同时考虑过去和未来的信息。通过Bagging算法对双向加权GRU神经网络进行集成处理来提高模型的泛化能力。按照某地区真实负荷数据,并与反向传播BP(back propagation)神经网络、长短期记忆LSTM(long short-term memory)神经网络、单向GRU神经网络和双向GRU神经网络进行对比可以得出,所提模型有更好的预测效果。; 关键词短期负荷预测双向加权门控循环单元神经网络 BAGGING算法电力系统预测精度; Keywords short-term load forecasting bidirectional weighted gated recurrent unit(GRU)neural network Bagging algorithm power system forecasting accuracy; 分类号 TM715 [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	融合SDE算法和双路加权门控循环神经网络的股价走势预测模型	吴彬张勇唐颖军	《小型微型计算机系统》 CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
3	基于量子加权GRU神经网络的电力系统短期负荷预测	王凇瑶张智晟	《电力系统及其自动化学报》 CSCD 北大核心	2022	12	在线阅读下载PDF 职称材料
4	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	6	在线阅读下载PDF 职称材料
5	基于Bagging的双向GRU集成神经网络短期负荷预测	王康张智晟撖奥洋于立涛	《电力系统及其自动化学报》 CSCD 北大核心	2021	14	在线阅读下载PDF 职称材料