-
题名基于时空长短时记忆神经网络的地基云图预测算法
被引量：1
- 1
-
-
作者
吴现
吐松江·卡日
王海龙
马小晶
李振恩
邵罗
-
机构
新疆大学电气工程学院
北京智盟信通科技有限公司
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第3期298-305,共8页
-
基金
国家自然科学基金(52067021)
新疆维吾尔自治区自然科学基金面上项目(2022D01C35)。
-
文摘
针对传统云运动轨迹预测方法存在的预测精度差、空间结构细节信息丢失等问题,提出一种基于时空长短时记忆(ST-LSTM)神经网络的地基云图预测模型。首先使用卷积编码网络提取输入视频流的高维图像特征;然后在特征提取模型中对图像潜在信息进行多分支获取,一部分使用ST-LSTM神经网络提取不同帧之间的时空特征,另一部分将图像序列进行分解,并通过基于门控机制的记忆融合网络来获取分解后图像中的结构细节信息;最后将得到的分支特征进行组合后经过解码网络输出最终的预测视频流。在地基云图、Moving MNIST和Human 3.6M数据集上的实验结果表明,在图像预测准确率、结构细节信息保留效果以及人眼主观感受上,该预测模型均优于对比模型。与基准模型TaylorNet相比,所提模型在Moving MNIST数据集上均方误差指标和平均绝对误差指标分别降低15.7%和11.8%,在地基云图数据集上,其结构相似性指标与峰值信噪比指标分别提升1%和3.2%,且生成的视频流数据更为清晰,能够更准确地描述云层未来的运动状况,从而更可靠地预测光伏电站未来的输出功率。
-
关键词
深度学习
视频预测
地基云图
麦克劳林展开
时空长短时记忆神经网络
-
Keywords
deep learning
video prediction
ground-based cloud map
Maclaurin expansion
Spatio-Temporal Long Short-Term Memory(ST-LSTM)neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名二维弱奇异积分高精度数值求积公式的构造
- 2
-
-
作者
曾光
黄晋
雷莉
宁德圣
-
机构
东华理工大学理学院
电子科技大学数学科学学院
-
出处
《东华理工大学学报（自然科学版）》
CAS
2014年第4期447-450,共4页
-
基金
国家自然基金(11301070)
江西省自然科学基金(20132BAB211016)
+1 种基金
江西省教育厅科技项目(GJJ13444)
东华理工大学博士启动基金
-
文摘
在欧拉—麦克劳林展开式和一维弱奇异积分的求积公式的基础上,推导出了二维弱奇异积分的求积公式及其误差的渐进展开式。此类求积公式只需赋值,不需计算二重积分,故计算量小。利用这类积分公式进行计算可以得到十分精确的结果,使得收敛阶大为提高,为讨论更为复杂地多维弱奇异积分方程奠定了基础。
-
关键词
弱奇异积分
求积公式
高精度
欧拉—麦克劳林展开式
-
Keywords
weak singular integral
quadrature formula
high accuracy
Euler-Maclaurin expansion
-
分类号
O186
[理学—基础数学]
-
