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
1
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
基于深度强化学习调控的非平稳风速模拟
1
作者
曹黎媛
张震雨
李春祥
《上海大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第3期451-465,共15页
提出一种深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法和广义S变换(generalized stransform,GST)的新型混合模拟方法(DDPG-GST).首先,采用经验模态分解(empirical mode decomposition,EMD)技术将原始数据分解为非...
提出一种深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法和广义S变换(generalized stransform,GST)的新型混合模拟方法(DDPG-GST).首先,采用经验模态分解(empirical mode decomposition,EMD)技术将原始数据分解为非平稳脉动风速分量与趋势分量,运用GST提取出非平稳脉动风速分量的时频特征,构建广义S变换时频功率谱矩阵;然后,对矩阵进行Cholesky分解,得到非平稳脉动风速模拟值;接着,将非平稳脉动风速模拟值载入DDPG网络进行调控,进而生成最优模拟值;最后,将非平稳脉动风速的模拟值与趋势分量叠加得到总风速时程模拟值.结果表明:与GST模拟方法相比,DDPG-GST方法的模拟值可以精准保留时域内非平稳脉动风速的能量特征,由DDPG-GST得到的GST系数幅值在时频域内的能量分布更接近目标值;同时,DDPG-GST方法的平均功率谱值更接近目标值.基于深度强化学习调控的非平稳风速模拟是一种高精度数据驱动模拟方法.
展开更多
关键词
非平稳风速模拟
深度强化学习
S变换
调控
在线阅读
下载PDF
职称材料
题名
基于深度强化学习调控的非平稳风速模拟
1
作者
曹黎媛
张震雨
李春祥
机构
上海大学力学与工程科学学院
出处
《上海大学学报（自然科学版）》
CAS
CSCD
北大核心
2024年第3期451-465,共15页
基金
国家自然科学基金资助项目(52108460)。
文摘
提出一种深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法和广义S变换(generalized stransform,GST)的新型混合模拟方法(DDPG-GST).首先,采用经验模态分解(empirical mode decomposition,EMD)技术将原始数据分解为非平稳脉动风速分量与趋势分量,运用GST提取出非平稳脉动风速分量的时频特征,构建广义S变换时频功率谱矩阵;然后,对矩阵进行Cholesky分解,得到非平稳脉动风速模拟值;接着,将非平稳脉动风速模拟值载入DDPG网络进行调控,进而生成最优模拟值;最后,将非平稳脉动风速的模拟值与趋势分量叠加得到总风速时程模拟值.结果表明:与GST模拟方法相比,DDPG-GST方法的模拟值可以精准保留时域内非平稳脉动风速的能量特征,由DDPG-GST得到的GST系数幅值在时频域内的能量分布更接近目标值;同时,DDPG-GST方法的平均功率谱值更接近目标值.基于深度强化学习调控的非平稳风速模拟是一种高精度数据驱动模拟方法.
关键词
非平稳风速模拟
深度强化学习
S变换
调控
Keywords
non-stationary wind speed simulation
deep reinforcement learning
Stransform
regulation and control
分类号
TU311 [建筑科学—结构工程]
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
基于深度强化学习调控的非平稳风速模拟
曹黎媛
张震雨
李春祥
《上海大学学报（自然科学版）》
CAS
CSCD
北大核心
2024
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
