检索结果-维普期刊中文期刊服务平台

基于改进卷积-门控网络及Informer的两种中长期风电功率预测方法: 1; 作者任鑫王一妹 +3 位作者王华周利葛畅韩爽《现代电力》北大核心 2025年第3期542-549,共8页; 为解决常规时序预测方法在长序列预测场景下表现较差的问题,从时间分辨率降维以及加强序列长期依赖特征挖掘的角度出发,提出两种中长期功率预测模型建模方法,实现了跨度10天、时间分辨率为15min的功率预测。一方面,提出改进卷积神经网络... 展开更多; 关键词中长期功率预测长序列预测卷积神经网络-门控循环单元 INFORMER 多头注意力; 在线阅读下载PDF 职称材料

基于门控循环单元神经网络的测井曲线预测方法被引量：7: 2; 作者滕建强邱萌 +3 位作者杨明任申辉林曲萨孙启鹏《油气地质与采收率》 CAS CSCD 北大核心 2023年第1期93-100,共8页; 为了减少泥浆侵入对测井曲线的影响,许多油田采用随钻测井技术,需先预测未钻地层测井曲线,这对随钻测井具有非常重要的指导作用。为此,提出一种基于门控循环单元神经网络(GRU)预测未钻地层测井曲线的方法,该模型将长短期记忆神经网络(LS... 展开更多; 关键词随钻测井长时记忆测井曲线预测未钻地层门控循环单元神经网络; 在线阅读下载PDF 职称材料

基于用户记忆矩阵的长序列推荐算法被引量：2: 3; 作者鹿祥志孙福振 +2 位作者王绍卿董家玮吴相帅《智能系统学报》 CSCD 北大核心 2023年第3期517-524,共8页; 传统的循环神经网络,如长短期记忆网络和门控循环单元,记忆能力有限而且记忆数据的存取不够灵活,对较长序列的特征捕捉有着先天的不足。记忆网络具有存储长时记忆的特点,而且对于记忆数据的存取更加灵活多变,因此本文在基于会话的推荐... 展开更多; 关键词记忆网络层次化长期兴趣短期兴趣长短期记忆网络门控循环单元长序列推荐会话推荐; 在线阅读下载PDF 职称材料

基于COA-GRU的低成本气体传感器数据修正方法: 4; 作者李炳伟叶树霞 +3 位作者齐亮张永韡冯锦陈宇霆《仪表技术与传感器》 CSCD 北大核心 2024年第3期120-126,共7页; 针对低成本气体传感器在受到温度、湿度、压力、气体交叉干扰等影响时检测精度低的问题,提出了一种长鼻浣熊-门控循环单元神经网络(COA-GRU)的修正模型,用于提高传感器检测精度。首先,根据低成本传感器的非线性特性构建了GRU修正模型;其... 展开更多; 关键词气体传感器长鼻浣熊门控循环单元修正模型检测精度; 在线阅读下载PDF 职称材料

基于跨周期稀疏技术的长时交通流预测模型: 5; 作者钟松浩卢毅 +1 位作者李理伍慧《科学技术与工程》 2025年第24期10468-10477,共10页; 针对现有交通流预测模型在长时预测中精度有限以及训练代价高的问题,构建一种基于跨周期稀疏技术的长时交通流预测模型。考虑到交通流数据复杂的周期性和长时预测时间跨度增加带来的误差累积和模型复杂度增加,采用跨周期稀疏技术对时间... 展开更多; 关键词长时交通流预测门控卷积循环单元跨周期稀疏技术时间多头注意力; 在线阅读下载PDF 职称材料

基于神经网络和稳健估计的风电机组状态监测: 6; 作者岳子桐李艳婷赵宇《中国机械工程》 2025年第8期1842-1852,共11页; 在风力发电机组的状态监测中,温度时序数据作为评估其运行是否稳定的关键指标,通常由数据采集与监视控制(SCADA)系统进行收集。提出了一种利用温度数据来实现更加稳健的风电机组状态监测的新方法。为了解决传统预测模型存在的收敛速度... 展开更多; 关键词风电机组状态监测卷积神经网络-双向门控循环单元长鼻浣熊优化算法稳健检验统计量; 在线阅读下载PDF 职称材料

题名基于改进卷积-门控网络及Informer的两种中长期风电功率预测方法: 1; 作者任鑫王一妹王华周利葛畅韩爽; 机构中国华能集团清洁能源技术研究院有限公司新能源电力系统国家重点实验室(华北电力大学); 出处《现代电力》北大核心 2025年第3期542-549,共8页; 基金华能集团总部科技项目“集团级智慧运维平台建设关键技术研究及系统开发”(HNKJ21-H52)。; 文摘为解决常规时序预测方法在长序列预测场景下表现较差的问题,从时间分辨率降维以及加强序列长期依赖特征挖掘的角度出发,提出两种中长期功率预测模型建模方法,实现了跨度10天、时间分辨率为15min的功率预测。一方面,提出改进卷积神经网络-门控循环单元(convolutional neural network-gate recurrent unit,CNN-GRU)的时间尺度降维模型,通过CNN模块及GRU模块分别实现了长时间序列的融合和还原,以及降维后时间序列的预测;另一方面,基于Informer网络的多头注意力机制实现了序列长期依赖特征的挖掘。算例结果表明,两种方法在不同的场景下有着不同的适应性,在第10日的准确率和合格率分别达到74.21%/73.47%、71.81%/74.48%,与常规GRU、CNN、时间卷积网络模型相比,预测精度提升明显,预测效果良好。; 关键词中长期功率预测长序列预测卷积神经网络-门控循环单元 INFORMER 多头注意力; Keywords medium-long-term power forecasting long sequence forecasting CNN-GRU Informer multi-head attention; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于门控循环单元神经网络的测井曲线预测方法被引量：7: 2; 作者滕建强邱萌杨明任申辉林曲萨孙启鹏; 机构中国石化西北油田分公司中国石化碳酸盐岩缝洞型油藏提高采收率重点实验室中国石油大学(华东)地球科学与技术学院; 出处《油气地质与采收率》 CAS CSCD 北大核心 2023年第1期93-100,共8页; 基金中国石化科技重大项目“顺北一区采输关键技术研究与应用”(P18022)。; 文摘为了减少泥浆侵入对测井曲线的影响,许多油田采用随钻测井技术,需先预测未钻地层测井曲线,这对随钻测井具有非常重要的指导作用。为此,提出一种基于门控循环单元神经网络(GRU)预测未钻地层测井曲线的方法,该模型将长短期记忆神经网络(LSTM)的输入门和遗忘门合并成更新门,输出门变成重置门,使模型结构简单,不易出现过拟合现象,保留LSTM模型的长时记忆功能,且能有效缓解梯度消失或梯度爆炸问题。以新疆油田直井和南海西部油田随钻测井的实际测井数据为例,选取已钻地层以及邻井的自然伽马、深感应电阻率、声波时差、密度和井径5条测井曲线数据作为训练样本输入到LSTM和GRU模型中进行学习训练,将训练好的模型用于预测未钻地层的测井曲线。应用结果表明,GRU比LSTM模型在新疆油田和南海西部油田预测测井曲线的平均相关系数分别提高13.78%和12.13%,平均均方根误差分别下降27.08%和42.17%,GRU模型能够准确地预测未钻地层测井曲线的变化趋势。; 关键词随钻测井长时记忆测井曲线预测未钻地层门控循环单元神经网络; Keywords logging while drilling long-term memory logging curve prediction undrilled formation gated recurrent unit neural network; 分类号 TE22 [石油与天然气工程—油气井工程]; 在线阅读下载PDF 职称材料

题名基于用户记忆矩阵的长序列推荐算法被引量：2: 3; 作者鹿祥志孙福振王绍卿董家玮吴相帅; 机构山东理工大学计算机科学与技术学院; 出处《智能系统学报》 CSCD 北大核心 2023年第3期517-524,共8页; 基金国家自然科学基金项目(61841602) 山东省自然科学基金项目(ZR2020MF147).; 文摘传统的循环神经网络,如长短期记忆网络和门控循环单元,记忆能力有限而且记忆数据的存取不够灵活,对较长序列的特征捕捉有着先天的不足。记忆网络具有存储长时记忆的特点,而且对于记忆数据的存取更加灵活多变,因此本文在基于会话的推荐算法中引入了记忆网络。本文设计了一个层次化的推荐模型,模型分为2层。第1层为会话级的GRU模型,此模型用来刻画当前会话的序列特征,从而预测下一个项目。第2层为用户级的记忆网络模型,这个模型用来刻画用户长期兴趣的变化。本文提出的模型能有效地捕捉到用户的短期和长期兴趣,进而提升推荐的性能。公开数据集上的实验证明,在会话个数为10相对于会话个数为5的性能提升对比中,本文所提带有用户记忆矩阵的分层网络算法在召回率和平均倒数排名的提升度上相对于分层门控循环单元都有4%的增加。; 关键词记忆网络层次化长期兴趣短期兴趣长短期记忆网络门控循环单元长序列推荐会话推荐; Keywords memory network hierarchy long-term interest short-term interest long short-term memory network gated recurrent unit long sequence recommendation session recommendations; 分类号 TP309.2 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于COA-GRU的低成本气体传感器数据修正方法: 4; 作者李炳伟叶树霞齐亮张永韡冯锦陈宇霆; 机构江苏科技大学自动化学院; 出处《仪表技术与传感器》 CSCD 北大核心 2024年第3期120-126,共7页; 基金国家重点研发计划资助项目(51875270) 江苏省科技项目(BY2020031)。; 文摘针对低成本气体传感器在受到温度、湿度、压力、气体交叉干扰等影响时检测精度低的问题,提出了一种长鼻浣熊-门控循环单元神经网络(COA-GRU)的修正模型,用于提高传感器检测精度。首先,根据低成本传感器的非线性特性构建了GRU修正模型;其次,利用COA算法解决修正模型的多局部极值以及参数组合寻优问题;最后,利用低成本传感器组以及H200D气体检测装置的实测数据对该方法进行了仿真实验。结果表明,使用COA-GRU修正模型后,SO_(2)、CO、NO_(2)、CO_(2)传感器的平均绝对误差分别降低了72.0%、28.4%、29.6%、13.5%,能够有效提高低成本传感器的检测精度。; 关键词气体传感器长鼻浣熊门控循环单元修正模型检测精度; Keywords gas sensors coati optimization algorithm-gated recurrent unit corrected model detection accuracy; 分类号 TP274 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于跨周期稀疏技术的长时交通流预测模型: 5; 作者钟松浩卢毅李理伍慧; 机构长沙理工大学交通运输工程学院; 出处《科学技术与工程》 2025年第24期10468-10477,共10页; 基金湖南省交通运输厅科技项目(202409)。; 文摘针对现有交通流预测模型在长时预测中精度有限以及训练代价高的问题,构建一种基于跨周期稀疏技术的长时交通流预测模型。考虑到交通流数据复杂的周期性和长时预测时间跨度增加带来的误差累积和模型复杂度增加,采用跨周期稀疏技术对时间序列下采样处理,对长时序列进行周期分解再拼接转置形成时间序列矩阵。将混合图卷积网络嵌入门控循环单元来处理下采样后的时间序列矩阵,最后使用带有时间依赖矩阵的时间多头注意力模块来融合相关时空特征。对3个公开交通流数据集PeMS-bay、PeMS04和PeMS08处理后进行有效性验证。结果表明:所建模型在3个数据集上的预测精度指标均优于基线模型,平均预测精度在3个数据集上分别提升了5.59%、8.56%和7.11%且模型参数量是基线模型的14.81%~27.17%。; 关键词长时交通流预测门控卷积循环单元跨周期稀疏技术时间多头注意力; Keywords long term traffic flow forecasting gated convolutional recurrent unit cross period s-parse technology temporal multi-head attention; 分类号 U491.14 [交通运输工程]; 在线阅读下载PDF 职称材料

题名基于神经网络和稳健估计的风电机组状态监测: 6; 作者岳子桐李艳婷赵宇; 机构上海交通大学机械与动力工程学院; 出处《中国机械工程》 2025年第8期1842-1852,共11页; 基金国家自然科学基金(72072114,72471139)。; 文摘在风力发电机组的状态监测中,温度时序数据作为评估其运行是否稳定的关键指标,通常由数据采集与监视控制(SCADA)系统进行收集。提出了一种利用温度数据来实现更加稳健的风电机组状态监测的新方法。为了解决传统预测模型存在的收敛速度慢的问题,采用卷积神经网络(CNN)与双向门控循环单元(BiGRU)相结合的网络结构,并引入一种新颖的优化算法——长鼻浣熊优化算法(COA),以改善温度预测模型的训练效果。此外,考虑到实际操作环境中传统控制图存在较高的假警报率这一问题,提出了一种结合中位数估计(MED)与最小正则化加权协方差行列式估计(MRWCD)的策略,用于残差向量的稳健性监测。基于上述改进,建立了一个多元指数加权移动平均控制图。在华东地区某一风电场的应用案例表明,相较于传统的监测手段,所提方法能够显著减少误报的情况,并且在风电机组的状态监测过程中,可靠性与稳定性更高。; 关键词风电机组状态监测卷积神经网络-双向门控循环单元长鼻浣熊优化算法稳健检验统计量; Keywords wind turbine condition monitoring convolutional neural network-bidirectional gated re⁃current unit(CNN-BiGRU) coati optimization algorithm(COA) robust test statistics; 分类号 TP277 [自动化与计算机技术]; 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	基于改进卷积-门控网络及Informer的两种中长期风电功率预测方法	任鑫王一妹王华周利葛畅韩爽	《现代电力》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于门控循环单元神经网络的测井曲线预测方法	滕建强邱萌杨明任申辉林曲萨孙启鹏	《油气地质与采收率》 CAS CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料
3	基于用户记忆矩阵的长序列推荐算法	鹿祥志孙福振王绍卿董家玮吴相帅	《智能系统学报》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
4	基于COA-GRU的低成本气体传感器数据修正方法	李炳伟叶树霞齐亮张永韡冯锦陈宇霆	《仪表技术与传感器》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
5	基于跨周期稀疏技术的长时交通流预测模型	钟松浩卢毅李理伍慧	《科学技术与工程》	2025		在线阅读下载PDF 职称材料
6	基于神经网络和稳健估计的风电机组状态监测	岳子桐李艳婷赵宇	《中国机械工程》	2025		在线阅读下载PDF 职称材料