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CEEMD-RF模型的渣土边坡地下水埋深预测
被引量：
5
1
作者
付智勇
陈文强
+2 位作者
唐伟雄
龙晶晶
曾江波
《人民长江》
北大核心
2020年第1期141-148,共8页
地下水是影响渣土边坡稳定性的关键因素之一,地下水埋深预测对分析渣土边坡稳定性具有重要意义。考虑渣土边坡地下水水位的高度非平稳和非线性特点,提出了一种基于相空间重构的互补集合经验模态分解-随机森林(CEEMD-RF)的地下水埋深预...
地下水是影响渣土边坡稳定性的关键因素之一,地下水埋深预测对分析渣土边坡稳定性具有重要意义。考虑渣土边坡地下水水位的高度非平稳和非线性特点,提出了一种基于相空间重构的互补集合经验模态分解-随机森林(CEEMD-RF)的地下水埋深预测模型。以广州市某渣土边坡SW2水文观测孔为例,将基于相空间重构的CEEMD-RF模型应用于该渣土边坡的地下水埋深预测,并与相空间重构的RF模型预测结果进行对比分析。结果表明:利用CEEMD-RF模型对地下水埋深预测的拟合优度为0.997,均方根误差为0.03 m,优于相空间重构的RF模型预测结果;基于相空间重构的CEEMD-RF模型预测的地下水埋深序列能很好地反映地下水埋深的尖变点。
展开更多
关键词
地下水埋深预测
渣土边坡
相空间重构
ceemd-rf
在线阅读
下载PDF
职称材料
基于CEEMD-BiLSTM-RFR的短期光伏功率预测
被引量：
7
2
作者
冯沛儒
江桂芬
+2 位作者
徐加银
叶剑桥
李生虎
《科学技术与工程》
北大核心
2024年第5期1955-1962,共8页
由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomp...
由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition,CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression,RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network,BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。
展开更多
关键词
光伏功率预测
互补集合经验模态分解
相关性分析
BiLSTM
随机森林回归
在线阅读
下载PDF
职称材料
题名
基于CEEMD-RF模型的渣土边坡地下水埋深预测
被引量：
5
1
作者
付智勇
陈文强
唐伟雄
龙晶晶
曾江波
机构
中国地质大学(武汉)
深圳市勘察测绘院(集团)有限公司
出处
《人民长江》
北大核心
2020年第1期141-148,共8页
基金
深圳市科技计划技术攻关项目(JSGG20160331154546471)
中国地质大学(武汉)大学生自主创新资助计划项目(1810491A23).
文摘
地下水是影响渣土边坡稳定性的关键因素之一,地下水埋深预测对分析渣土边坡稳定性具有重要意义。考虑渣土边坡地下水水位的高度非平稳和非线性特点,提出了一种基于相空间重构的互补集合经验模态分解-随机森林(CEEMD-RF)的地下水埋深预测模型。以广州市某渣土边坡SW2水文观测孔为例,将基于相空间重构的CEEMD-RF模型应用于该渣土边坡的地下水埋深预测,并与相空间重构的RF模型预测结果进行对比分析。结果表明:利用CEEMD-RF模型对地下水埋深预测的拟合优度为0.997,均方根误差为0.03 m,优于相空间重构的RF模型预测结果;基于相空间重构的CEEMD-RF模型预测的地下水埋深序列能很好地反映地下水埋深的尖变点。
关键词
地下水埋深预测
渣土边坡
相空间重构
ceemd-rf
Keywords
prediction of groundwater depth
residue slope
phase space reconstruction
complementary
ensemble
empirical
mode
decomposition-random
forest
(
ceemd-rf
)
分类号
TU195 [建筑科学—建筑理论]
在线阅读
下载PDF
职称材料
题名
基于CEEMD-BiLSTM-RFR的短期光伏功率预测
被引量：
7
2
作者
冯沛儒
江桂芬
徐加银
叶剑桥
李生虎
机构
国网安徽省电力有限公司经济技术研究院
合肥工业大学电气与自动化工程学院
出处
《科学技术与工程》
北大核心
2024年第5期1955-1962,共8页
基金
国家自然科学基金(51877061)
国网安徽省电力有限公司经济技术研究院项目(SGAHJY00GHJS2310060)。
文摘
由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition,CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression,RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network,BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。
关键词
光伏功率预测
互补集合经验模态分解
相关性分析
BiLSTM
随机森林回归
Keywords
PV power prediction
complementary
ensemble
empirical
mode
decomposition
correlation analysis
BiLSTM
random
forest
regression
分类号
TM721 [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
作者
出处
发文年
被引量
操作
1
基于CEEMD-RF模型的渣土边坡地下水埋深预测
付智勇
陈文强
唐伟雄
龙晶晶
曾江波
《人民长江》
北大核心
2020
5
在线阅读
下载PDF
职称材料
2
基于CEEMD-BiLSTM-RFR的短期光伏功率预测
冯沛儒
江桂芬
徐加银
叶剑桥
李生虎
《科学技术与工程》
北大核心
2024
7
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
