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
2
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MTS-BiGRU-DMHSA的工业负荷预测方法
被引量：
2
1
作者
王汝英
马嘉骏
+4 位作者
董建强
刘万龙
张海涛
尹凯
赵博超
《计算机工程》
CAS
CSCD
北大核心
2024年第9期169-178,共10页
工业用电占我国全社会用电量比重大,通过工业负荷预测了解负荷趋势和用电量信息,有助于电网安全稳定运行,为电力部门发电规划提供依据,且有助于工业用户优化生产工艺和降低成本。为了兼顾工业负荷波动的不确定性以及工业用户用电行为的...
工业用电占我国全社会用电量比重大,通过工业负荷预测了解负荷趋势和用电量信息,有助于电网安全稳定运行,为电力部门发电规划提供依据,且有助于工业用户优化生产工艺和降低成本。为了兼顾工业负荷波动的不确定性以及工业用户用电行为的规律性特征,提出一种基于多时间尺度(MTS)特征的工业负荷预测方法MTS-BiGRU-DMHSA,利用MTS特征融合挖掘工业负荷的周期趋势特征和局部波动特征,提升工业负荷表征的可解释性。此外,双层多头自注意力(DMHSA)机制利用注意力权重聚焦重要特征,在挖掘输入特征关联性的同时捕捉时序关联性,强化重要特征变量与关键时间步的信息表达。在中国某工业企业五面受总柜实采数据上完成实验验证,采用2种评价指标对所提方法及5种基于神经网络的预测方法进行对比分析。实验结果表明,所提方法相较于对比方法平均误差降低逾20%,其中4.67%得益于对MTS特征的运用。通过对比各方法计算效率证实了所提方法的综合性能优势,可视化实验结果与对比分析也验证了其在工业负荷预测任务上的可行性。
展开更多
关键词
工业负荷预测
神经网络
多时间尺度特征
注意力机制
时间序列分析
在线阅读
下载PDF
职称材料
基于多尺度特征融合与双注意力机制的多元时间序列预测
被引量：
6
2
作者
韩璐
霍纬纲
+1 位作者
张永会
刘涛
《计算机工程》
CAS
CSCD
北大核心
2023年第9期99-108,共10页
多元时间序列的各子序列包含不同时间跨度的多尺度特征,现有时间序列预测模型不能有效地捕获多尺度特征以及评估其重要程度。提出一种基于多尺度时序特征融合与双注意力机制的多元时间序列预测网络FFANet,有效融合多尺度特征并关注其中...
多元时间序列的各子序列包含不同时间跨度的多尺度特征,现有时间序列预测模型不能有效地捕获多尺度特征以及评估其重要程度。提出一种基于多尺度时序特征融合与双注意力机制的多元时间序列预测网络FFANet,有效融合多尺度特征并关注其中重要部分。通过多尺度时序特征融合模块中并行的时序膨胀卷积层,使模型具有多种感受域,从而提取时序数据在不同尺度上的特征,并根据重要性对其进行自适应融合。利用双注意力模块对融合的时序特征进行重新标定,通过分配时序和通道注意力权重并加权至对应的时序特征,使FFANet聚焦对预测有重要贡献的特征。实验结果表明,相比AR、VARMLP、RNN-GRU、LSTNet-skip、TPA-LSTM、MTGNN和AttnAR时间序列预测模型,FFANet在Traffic、Solar Energy和Electricity数据集上的RRSE预测误差分别平均降低0.1523、0.1200、0.0743、0.0354、0.0215、0.0121、0.0200。
展开更多
关键词
多元时间序列预测
卷积神经网络
多尺度特征
特征融合
注意力机制
在线阅读
下载PDF
职称材料
题名
基于MTS-BiGRU-DMHSA的工业负荷预测方法
被引量：
2
1
作者
王汝英
马嘉骏
董建强
刘万龙
张海涛
尹凯
赵博超
机构
天津市普迅电力信息技术有限公司
天津大学电气自动化与信息工程学院智能电网教育部重点实验室
天津求实智源科技有限公司
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第9期169-178,共10页
基金
国家自然科学基金青年科学基金(52307133)
国家自然科学基金联合基金(U2066207)
国网天津市电力公司科技项目(KJ22-2-04)。
文摘
工业用电占我国全社会用电量比重大,通过工业负荷预测了解负荷趋势和用电量信息,有助于电网安全稳定运行,为电力部门发电规划提供依据,且有助于工业用户优化生产工艺和降低成本。为了兼顾工业负荷波动的不确定性以及工业用户用电行为的规律性特征,提出一种基于多时间尺度(MTS)特征的工业负荷预测方法MTS-BiGRU-DMHSA,利用MTS特征融合挖掘工业负荷的周期趋势特征和局部波动特征,提升工业负荷表征的可解释性。此外,双层多头自注意力(DMHSA)机制利用注意力权重聚焦重要特征,在挖掘输入特征关联性的同时捕捉时序关联性,强化重要特征变量与关键时间步的信息表达。在中国某工业企业五面受总柜实采数据上完成实验验证,采用2种评价指标对所提方法及5种基于神经网络的预测方法进行对比分析。实验结果表明,所提方法相较于对比方法平均误差降低逾20%,其中4.67%得益于对MTS特征的运用。通过对比各方法计算效率证实了所提方法的综合性能优势,可视化实验结果与对比分析也验证了其在工业负荷预测任务上的可行性。
关键词
工业负荷预测
神经网络
多时间尺度特征
注意力机制
时间序列分析
Keywords
industrial load forecasting
neural network
multi-time
scale
(
mts
)
feature
attention mechanism
time series analysis
分类号
TP391 [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
基于多尺度特征融合与双注意力机制的多元时间序列预测
被引量：
6
2
作者
韩璐
霍纬纲
张永会
刘涛
机构
中国民航大学计算机科学与技术学院
潍坊学院计算机工程学院
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第9期99-108,共10页
基金
山东省自然科学基金面上项目(ZR2021MF026,ZR2021MC044)
潍坊学院博士科研启动基金(2022BS33)。
文摘
多元时间序列的各子序列包含不同时间跨度的多尺度特征,现有时间序列预测模型不能有效地捕获多尺度特征以及评估其重要程度。提出一种基于多尺度时序特征融合与双注意力机制的多元时间序列预测网络FFANet,有效融合多尺度特征并关注其中重要部分。通过多尺度时序特征融合模块中并行的时序膨胀卷积层,使模型具有多种感受域,从而提取时序数据在不同尺度上的特征,并根据重要性对其进行自适应融合。利用双注意力模块对融合的时序特征进行重新标定,通过分配时序和通道注意力权重并加权至对应的时序特征,使FFANet聚焦对预测有重要贡献的特征。实验结果表明,相比AR、VARMLP、RNN-GRU、LSTNet-skip、TPA-LSTM、MTGNN和AttnAR时间序列预测模型,FFANet在Traffic、Solar Energy和Electricity数据集上的RRSE预测误差分别平均降低0.1523、0.1200、0.0743、0.0354、0.0215、0.0121、0.0200。
关键词
多元时间序列预测
卷积神经网络
多尺度特征
特征融合
注意力机制
Keywords
Multivariate Time Series(
mts
)forecasting
Convolutional Neural Network(CNN)
multi-
scale
feature
feature
fusion
attention mechanism
分类号
TP273 [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
作者
出处
发文年
被引量
操作
1
基于MTS-BiGRU-DMHSA的工业负荷预测方法
王汝英
马嘉骏
董建强
刘万龙
张海涛
尹凯
赵博超
《计算机工程》
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于多尺度特征融合与双注意力机制的多元时间序列预测
韩璐
霍纬纲
张永会
刘涛
《计算机工程》
CAS
CSCD
北大核心
2023
6
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
