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
3
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
基于动态自适应门控图卷积网络的交通拥堵预测
1
作者
王庆荣
高桓伊
+2 位作者
朱昌锋
何润田
慕壮壮
《华南理工大学学报(自然科学版)》
北大核心
2025年第9期31-47,共17页
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面...
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。
展开更多
关键词
交通拥堵预测
图神经
网络
动态自适应
门控
聚类算法
门控时间卷积网络
在线阅读
下载PDF
职称材料
基于模态分解与CatBoost-GTCN-DGM的锂电池RUL预测方法
2
作者
胡胜
李莹莹
+2 位作者
何怡婷
李景琦
张凡
《电源技术》
北大核心
2025年第8期1681-1690,共10页
针对电池剩余使用寿命(RUL)预测过程中存在数据噪声,影响预测精度的问题,提出一种结合自适应白噪声完全集成经验模态分解(CEEMDAN)、CatBoost算法、门控时间卷积网络(GTCN)和双高斯模型(DGM)的RUL预测方法。首先采用CEEMDAN分解容量信号...
针对电池剩余使用寿命(RUL)预测过程中存在数据噪声,影响预测精度的问题,提出一种结合自适应白噪声完全集成经验模态分解(CEEMDAN)、CatBoost算法、门控时间卷积网络(GTCN)和双高斯模型(DGM)的RUL预测方法。首先采用CEEMDAN分解容量信号,得到若干高频分量和低频分量。然后使用CatBoost算法量化每个分量对于原始容量数据的贡献率,并将其作为权重,以此剔除噪声对预测结果的干扰。利用GTCN和DGM建立预测子模型,最后将子模型的预测结果结合每个分量的权重进行加权融合,得到最终的RUL预测结果。以NASA锂电池数据集为实验对象,实验结果显示,所提方法的均方根误差、平均绝对误差、平均绝对百分比误差和绝对误差最小值分别为0.0135、0.0086、0.0056和1个循环,有效提升了RUL预测精度。
展开更多
关键词
锂离子电池
剩余使用寿命
CatBoost算法
门控时间卷积网络
双高斯模型
在线阅读
下载PDF
职称材料
考虑空间关联的超短期、短期多区域电力负荷单步和多步预测
3
作者
耿贞伟
李申章
于凤荣
《计算机工程》
北大核心
2025年第10期392-400,共9页
准确的超短期、短期多区域电力负荷预测是实现电力系统快速响应和实时调度的关键。基于电网不同区域负荷的时空相关性,提出考虑空间关联的多区域电力负荷超短期、短期的单步和多步预测模型。该模型集成门控多头时间卷积网络(GMTCN)、双...
准确的超短期、短期多区域电力负荷预测是实现电力系统快速响应和实时调度的关键。基于电网不同区域负荷的时空相关性,提出考虑空间关联的多区域电力负荷超短期、短期的单步和多步预测模型。该模型集成门控多头时间卷积网络(GMTCN)、双向长短期记忆(BiLSTM)网络和注意力机制(Attention),记为GMTCN-BiLSTM-Attention。首先,采用Spearman相关系数分析不同区域电力负荷空间关联,将15个区域的负荷序列组成多元时间序列作为输入。然后,采用GMTCN和BiLSTM获取不同负荷序列的时序特征和时空依赖,并通过Attention机制赋予重要特征更高的权重,忽略不重要的信息,以提高模型的鲁棒性。在2个数据集上的实验结果表明,不同区域变压器的负荷之间存在时空相关性,提出的模型能够有效获取负荷序列以及负荷序列之间的时空依赖,同时实现对多区域的超短期和短期负荷进行单步和多步预测。与其他深度学习模型相比,具有更优的预测性能、更强的鲁棒性和泛化性。
展开更多
关键词
多区域电力负荷预测
深度学习
门控
多头
时间
卷积
网络
双向长短期记忆
网络
注意力机制
在线阅读
下载PDF
职称材料
题名
基于动态自适应门控图卷积网络的交通拥堵预测
1
作者
王庆荣
高桓伊
朱昌锋
何润田
慕壮壮
机构
兰州交通大学电子与信息工程学院
兰州交通大学交通运输学院
出处
《华南理工大学学报(自然科学版)》
北大核心
2025年第9期31-47,共17页
基金
国家自然科学基金项目(72161024)
甘肃省教育厅“双一流”重大研究项目(GSSYLXM-04)。
文摘
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。
关键词
交通拥堵预测
图神经
网络
动态自适应
门控
聚类算法
门控时间卷积网络
Keywords
traffic congestion prediction
graph neural network
dynamic adaptive gating
clustering algorithm
gated temporal convolutional network
分类号
TP39 [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
基于模态分解与CatBoost-GTCN-DGM的锂电池RUL预测方法
2
作者
胡胜
李莹莹
何怡婷
李景琦
张凡
机构
湖北工业大学电气与电子工程学院
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室
出处
《电源技术》
北大核心
2025年第8期1681-1690,共10页
基金
湖北省科技计划项目(2023BEB016)。
文摘
针对电池剩余使用寿命(RUL)预测过程中存在数据噪声,影响预测精度的问题,提出一种结合自适应白噪声完全集成经验模态分解(CEEMDAN)、CatBoost算法、门控时间卷积网络(GTCN)和双高斯模型(DGM)的RUL预测方法。首先采用CEEMDAN分解容量信号,得到若干高频分量和低频分量。然后使用CatBoost算法量化每个分量对于原始容量数据的贡献率,并将其作为权重,以此剔除噪声对预测结果的干扰。利用GTCN和DGM建立预测子模型,最后将子模型的预测结果结合每个分量的权重进行加权融合,得到最终的RUL预测结果。以NASA锂电池数据集为实验对象,实验结果显示,所提方法的均方根误差、平均绝对误差、平均绝对百分比误差和绝对误差最小值分别为0.0135、0.0086、0.0056和1个循环,有效提升了RUL预测精度。
关键词
锂离子电池
剩余使用寿命
CatBoost算法
门控时间卷积网络
双高斯模型
Keywords
lithium-ion battery
remaining useful life
CatBoost algorithm
gated temporal convolutional network
double Gaussian mode
分类号
TM912.9 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
考虑空间关联的超短期、短期多区域电力负荷单步和多步预测
3
作者
耿贞伟
李申章
于凤荣
机构
云南电网有限责任公司信息中心
昆明理工大学冶金与能源工程学院
出处
《计算机工程》
北大核心
2025年第10期392-400,共9页
基金
国家自然科学基金(51869007)
云南省揭榜挂帅科技项目(202204BW050001)。
文摘
准确的超短期、短期多区域电力负荷预测是实现电力系统快速响应和实时调度的关键。基于电网不同区域负荷的时空相关性,提出考虑空间关联的多区域电力负荷超短期、短期的单步和多步预测模型。该模型集成门控多头时间卷积网络(GMTCN)、双向长短期记忆(BiLSTM)网络和注意力机制(Attention),记为GMTCN-BiLSTM-Attention。首先,采用Spearman相关系数分析不同区域电力负荷空间关联,将15个区域的负荷序列组成多元时间序列作为输入。然后,采用GMTCN和BiLSTM获取不同负荷序列的时序特征和时空依赖,并通过Attention机制赋予重要特征更高的权重,忽略不重要的信息,以提高模型的鲁棒性。在2个数据集上的实验结果表明,不同区域变压器的负荷之间存在时空相关性,提出的模型能够有效获取负荷序列以及负荷序列之间的时空依赖,同时实现对多区域的超短期和短期负荷进行单步和多步预测。与其他深度学习模型相比,具有更优的预测性能、更强的鲁棒性和泛化性。
关键词
多区域电力负荷预测
深度学习
门控
多头
时间
卷积
网络
双向长短期记忆
网络
注意力机制
Keywords
multi-region power load forecasting
deep learning
Gate-controlled Multi-head Temporal Convolutional Network(GMTCN)
Bi-directional Long Short Term Memory(BiLSTM)network
attention mechanism
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
作者
出处
发文年
被引量
操作
1
基于动态自适应门控图卷积网络的交通拥堵预测
王庆荣
高桓伊
朱昌锋
何润田
慕壮壮
《华南理工大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于模态分解与CatBoost-GTCN-DGM的锂电池RUL预测方法
胡胜
李莹莹
何怡婷
李景琦
张凡
《电源技术》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
考虑空间关联的超短期、短期多区域电力负荷单步和多步预测
耿贞伟
李申章
于凤荣
《计算机工程》
北大核心
2025
0
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
