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
共找到256篇文章
< 1 2 … 13 >
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：
基于AF-BiTCN的弹道中段目标HRRP识别
1
作者 王晓丹 王鹏 +2 位作者 宋亚飞 向前 李京泰 《北京航空航天大学学报》 北大核心 2025年第2期349-359,共11页
针对弹道中段目标高分辨距离像(HRRP)的时序特征提取和识别问题,为充分利用弹道中段目标HRRP的双向时序信息,进一步提高识别性能,提出一种基于加性融合双向时间卷积神经网络(AF-BiTCN)的识别方法。对HRRP数据采用双向时序滑窗法处理为... 针对弹道中段目标高分辨距离像(HRRP)的时序特征提取和识别问题,为充分利用弹道中段目标HRRP的双向时序信息,进一步提高识别性能,提出一种基于加性融合双向时间卷积神经网络(AF-BiTCN)的识别方法。对HRRP数据采用双向时序滑窗法处理为双向序列;构建BiTCN逐层提取HRRP的双向深层时序特征,并将双向时序特征采用加性策略融合;利用更加稳健的融合特征实现对弹道中段目标的识别,并使用Adam算法优化AF-BiTCN的收敛速度和稳定性。实验结果表明:所提的基于AF-BiTCN的弹道中段目标HRRP识别方法较堆叠选择长短期记忆网络(SLSTM)、堆叠门控循环单元(SGRU)等6种时序方法具有更高的准确率和更快的识别速度,在测试集上达到了96.60%的准确率,并且在噪声数据集上表现出更好的鲁棒性。 展开更多
关键词 双向时间卷积神经网络 弹道目标识别 特征融合 高分辨距离像 滑窗算法
在线阅读 下载PDF
基于改进TCN-Elman神经网络的电离层杂波抑制方法
2
作者 刘强 尚尚 +2 位作者 乔铁柱 祝健 石依山 《北京航空航天大学学报》 北大核心 2025年第9期3203-3211,共9页
高频地波雷达因其卓越的海面目标探测能力,被世界各国应用于海上工程领域,而提升其目标探测能力的关键要素之一在于回波信号中电离层杂波的抑制,针对这一现象,提出一种基于瓶颈膨胀卷积模块改进时序卷积(ITCN)-Elman神经网络结合混合注... 高频地波雷达因其卓越的海面目标探测能力,被世界各国应用于海上工程领域,而提升其目标探测能力的关键要素之一在于回波信号中电离层杂波的抑制,针对这一现象,提出一种基于瓶颈膨胀卷积模块改进时序卷积(ITCN)-Elman神经网络结合混合注意力机制的电离层杂波预测抑制模型(Mixatt-ITCN-Elman)。对电离层杂波时间序列进行相空间重构和乱序归一化,利用ITCN提取高维相空间内的空间特征,依据自注意力机制突出其中关键的空间特征,将空间特征与原时间序列组合输入Elman神经网络,结合注意力机制突显序列的空时特征,通过空时特征与Elman神经网络输出序列组合输出,得到最终预测结果。所提模型与Elman、TCN、Att-CNNElman和TCN-Elman模型相对比,具有较好的预测性能和稳定性,对于电离层杂波的抑制具有较高应用价值。 展开更多
关键词 高频地波雷达 电离层杂波 时序卷积网络 ELMAN神经网络 注意力机制
在线阅读 下载PDF
基于非负矩阵分解的EEG-TCNet运动想象分类
3
作者 张学军 石宝明 《数据采集与处理》 北大核心 2025年第5期1361-1370,共10页
针对深度学习进行脑电信号(Electroencephalogram,EEG)的运动想象分类时,未利用通道特征研究通道之间相关性,以及没有充分发掘频率、时间和空间信息等问题,提出了一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)的时间卷... 针对深度学习进行脑电信号(Electroencephalogram,EEG)的运动想象分类时,未利用通道特征研究通道之间相关性,以及没有充分发掘频率、时间和空间信息等问题,提出了一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)的时间卷积网络(Temporal convolutional network,TCN)与紧凑型卷积神经网络EEGNet相结合的分类方法,记为NTEEGNet,以相对少量的参数来提高运动想象分类的性能。模型的NMF能更好地提取通道特征,且充分地利用了频率、时间和空间等信息;同时,在TCN的作用下,网络的感受野呈指数级增加,从而能在较少的参数下具有更强的特征提取能力。在BCI Competition Ⅳ 2a数据集上的实验结果表明,NTEEGNet的分类准确率达到83.99%,在EEG-TCNet的基础上提升了6.64%。 展开更多
关键词 运动想象 深度学习 卷积神经网络 非负矩阵分解 时间卷积网络
在线阅读 下载PDF
PAM结合TCN优化Transformer的光伏功率预测研究
4
作者 张红 李峰 +2 位作者 马彦宏 姬文宣 郑启鹏 《计算机工程》 北大核心 2025年第10期140-149,共10页
准确的光伏功率预测对于提高电网稳定性和用电效率至关重要。针对现有研究难以同时考虑光伏功率长期依赖性和短期变化模式的缺陷,提出一种金字塔注意力模块(PAM)结合时间卷积网络(TCN)优化Transformer的光伏功率预测方法Solarformer。... 准确的光伏功率预测对于提高电网稳定性和用电效率至关重要。针对现有研究难以同时考虑光伏功率长期依赖性和短期变化模式的缺陷,提出一种金字塔注意力模块(PAM)结合时间卷积网络(TCN)优化Transformer的光伏功率预测方法Solarformer。基于多种特征选择机制筛选输入特征,增强对光伏数据特征的表征能力;利用粗粒度构造模块和PAM优化Transformer编码器,在多尺度上捕获光伏功率的长期时间依赖特征;利用光伏功率日出日落效应约束机制和TCN优化Transformer解码器,增强光伏功率的短期变化特征,以更好地捕捉其短期变化模式。在澳大利亚Sanyo数据集上进行实验,结果表明,Solarformer能够有效提高光伏功率的预测精度,相比DLinear模型,其均方根误差(RMSE)、平均绝对误差(MAE)和对称平均绝对百分比误差(SMAPE)分别降低了约7.45%、6.99%和14.10%。 展开更多
关键词 光伏功率预测 Transformer模型 金字塔注意力模块 约束机制 时间卷积网络
在线阅读 下载PDF
基于TCN和AUKF联合迭代的PEMFC寿命融合预测方法 被引量：1
5
作者 赵波 张领先 +3 位作者 章雷其 陈哲 刘相万 谢长君 《中国电机工程学报》 北大核心 2025年第9期3609-3623,I0029,共16页
针对质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)的剩余使用寿命预测问题,该文提出一种基于时序卷积神经网络(temporal convolutional network,TCN)和自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)... 针对质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)的剩余使用寿命预测问题,该文提出一种基于时序卷积神经网络(temporal convolutional network,TCN)和自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)联合迭代的融合预测方法。该方法首先利用TCN进行短期预测,并用贝叶斯算法计算融合权重。然后利用离散小波变换将老化数据分解为波动趋势和老化趋势,基于TCN长期迭代预测波动趋势,基于TCN和AUKF联合迭代长期预测老化趋势,并将两种趋势叠加得到长期预测结果。最后利用融合权重将多个单体PEMFC的长期预测结果相融合。基于2种工况下5个单体电池的数据验证,短期预测结果表明TCN具有高预测精度,长期预测结果表明融合过程降低了PEMFC单体间老化程度不均衡的影响,提高电堆整体寿命预测的稳定性。 展开更多
关键词 质子交换膜燃料电池 剩余使用寿命 时序卷积网络 联合迭代 融合权重
在线阅读 下载PDF
基于CBAM-STCN的齿轮箱故障智能诊断方法
6
作者 万志国 王治国 +1 位作者 赵伟 窦益华 《科学技术与工程》 北大核心 2025年第9期3760-3768,共9页
针对齿轮箱在多种工况下故障特征存在差异,故障诊断易受噪声干扰,导致故障诊断模型泛化性差和识别准确率低的问题,提出一种端到端的具有混合注意力机制和软阈值化特点的时间卷积神经网络(convolutional block attention module-sparse t... 针对齿轮箱在多种工况下故障特征存在差异,故障诊断易受噪声干扰,导致故障诊断模型泛化性差和识别准确率低的问题,提出一种端到端的具有混合注意力机制和软阈值化特点的时间卷积神经网络(convolutional block attention module-sparse temporal convolutional network with soft thresholding,CBAM-STCN)齿轮箱故障诊断模型识别分类方法。首先,利用希尔伯特变换将齿轮故障振动信号转换为包络谱信号;然后,将其输入CBAM-STCN故障诊断模型中;该模型嵌入的混合注意力机制模块(convolutional block attention module,CBAM),能够自适应学习通道和空间注意力的权重,提取与故障特征相关的敏感信息;嵌入的软阈值函数能够最小化模型输出和原输入之间的差异;最后,利用所提出的方法对两种工况、不同类型的齿轮故障进行识别分类。结果表明:CBAM-STCN故障诊断模型对齿轮故障智能诊断的平均准确率为98.95%。该方法对于齿轮箱故障的智能诊断具有一定的参考价值。 展开更多
关键词 齿轮箱 故障智能诊断 混合注意力机制 软阈值化 时间卷积神经网络
在线阅读 下载PDF
基于CBDAE和TCN-Transformer的工业传感器时间序列预测
7
作者 许涛 南新元 +1 位作者 蔡鑫 赵濮 《南京信息工程大学学报》 北大核心 2025年第4期455-466,共12页
在真实的工业物联网环境中,传感器信号常受外界噪声干扰,难以获取纯净数据,这影响了基于数据驱动的时间序列预测任务的准确性.为此,基于改进的对比盲去噪自编码器(Contrast Blind Denoising AutoEncoder,CBDAE)和TCN-Transformer网络,... 在真实的工业物联网环境中,传感器信号常受外界噪声干扰,难以获取纯净数据,这影响了基于数据驱动的时间序列预测任务的准确性.为此,基于改进的对比盲去噪自编码器(Contrast Blind Denoising AutoEncoder,CBDAE)和TCN-Transformer网络,本文提出一种新型时间序列预测框架,称为MoCo-CBDAE-TCN-Transformer.该框架通过引入额外的动量编码器、动态队列和信息噪声对比估计正则化,增强了对时间序列数据动态特征的捕捉能力,并有效利用历史负样本信息.在无需噪声先验知识和传感器纯净数据的前提下,通过捕捉和对比时间相关性和噪声特征,实现传感器数据的盲去噪.去噪后的数据通过TCN-Transformer网络进行时间序列预测.TCN-Transformer网络结合残差连接和膨胀卷积的优势以及Transformer的注意力机制,显著提高了预测的准确性和效率.最后,在公开的四缸过程数据集上进行仿真验证,实验结果表明,与传统的去噪方法和时间序列预测模型相比,本文设计的模型能够获得更好的去噪效果和更高的预测精度,其实时处理能力适合部署在实际的工业环境中,为工业物联网中的数据处理和分析提供了一种有效的技术方案. 展开更多
关键词 去噪自编码器 动量编码器 动态队列 信息噪声对比估计 时间卷积网络 TRANSFORMER
在线阅读 下载PDF
基于TCN-LSTM模型的页岩气产量预测
8
作者 史峥峥 李道伦 +1 位作者 付宁 张康 《合肥工业大学学报(自然科学版)》 北大核心 2025年第9期1259-1264,1275,共7页
准确预测页岩气产量有助于提前规划生产计划、优化生产方案。现有研究在进行产量预测时,往往需要长时间的生产数据或大量特征数据,当生产时间较短或特征数据较少时,难以准确预测产量。为此,文章提出一种具有注意力机制的时间卷积网络-... 准确预测页岩气产量有助于提前规划生产计划、优化生产方案。现有研究在进行产量预测时,往往需要长时间的生产数据或大量特征数据,当生产时间较短或特征数据较少时,难以准确预测产量。为此,文章提出一种具有注意力机制的时间卷积网络-长短期记忆网络(temporal convolutional network-long short-term memory network,TCN-LSTM)模型。该模型使用3口井生产数据联合训练,其中TCN和LSTM模块分别提取局部和全局特征,然后用全连接网络融合;并使用注意力机制聚焦关键信息,从已有井生产数据中学习流动规律,提高了对初期数据匮乏的新井的预测精度。结果表明,多井联合预测模型在精度和趋势预测方面均优于单井预测模型,基于平均绝对误差(mean absolute error,MAE)评估指标的预测精度提高了约4倍,并且减少了对长周期数据和多特征的依赖,在油藏开发中具有重要意义。 展开更多
关键词 时间卷积网络(tcn) 长短期记忆网络(LSTM) 注意力机制 产量预测 多井
在线阅读 下载PDF
基于CAPTCNet的运动想象脑电分类
9
作者 高洪睿 毕峰 《现代电子技术》 北大核心 2025年第19期92-98,共7页
为了能够充分利用运动想象脑电信号(MI-EEG)中的各种特征信息,提高运动想象脑电信号的解码精度,文中提出一种基于坐标注意力的混合特征提取和多尺度并行的时间卷积网络(CAPTCNet)。该网络主要包括三个模块:混合特征提取模块通过多层卷... 为了能够充分利用运动想象脑电信号(MI-EEG)中的各种特征信息,提高运动想象脑电信号的解码精度,文中提出一种基于坐标注意力的混合特征提取和多尺度并行的时间卷积网络(CAPTCNet)。该网络主要包括三个模块:混合特征提取模块通过多层卷积提取运动想象脑电信号中浅层的时域特征和空域特征;坐标注意力模块突出运动想象脑电信号中最有价值的信息;并行多尺度时间卷积模块用于提取不同尺度更深层次的时域特征。所设计的网络模型在数据集BCI CompetitionⅣ-2a上测试结果的平均准确率为84.14%,平均Kappa系数为0.79。实验结果表明,所提方法和其他方法相比,具有更高的分类准确率和更好的Kappa系数。消融实验进一步说明了各个模块的有效性,其中并行多尺度时间卷积模块对于提高模型的性能贡献最大。 展开更多
关键词 脑机接口 运动想象 卷积神经网络 时间卷积网络 深度学习 注意力机制
在线阅读 下载PDF
基于序列成分重组与时序自注意力机制改进TCN-BiLSTM的短期电力负荷预测
10
作者 易雅雯 娄素华 《电力系统及其自动化学报》 北大核心 2025年第4期78-87,共10页
针对区域级电力负荷预测精度较低的问题,提出一种基于序列成分重组与时序自注意力机制改进时间卷积网络-双向长短期记忆网络(TCN-BiLSTM)的短期负荷预测方法。首先,通过中心频率法确定最佳初始分解数目,进而采用变分模态分解算法将原始... 针对区域级电力负荷预测精度较低的问题,提出一种基于序列成分重组与时序自注意力机制改进时间卷积网络-双向长短期记忆网络(TCN-BiLSTM)的短期负荷预测方法。首先,通过中心频率法确定最佳初始分解数目,进而采用变分模态分解算法将原始负荷序列分解为多个不同频率的成分序列;其次,基于各成分序列的样本熵对多个成分序列进行K均值聚类,以获得最佳聚类数量的重组负荷序列分量;接着,将各重组分量输入所提出的负荷预测模型,获得各重组分量预测结果;最终,线性叠加各重组成分序列预测结果以获得最终负荷预测结果。算例分析表明,该方法与其他相关对比模型相比,预测均方根误差降低46.37%、模型拟合效果平均提升3.24%,表明该方法负荷预测精度高、模型拟合效果好,适用于区域级电力负荷预测。 展开更多
关键词 负荷预测 变分模态分解 样本熵 K均值聚类 时序自注意力机制 时间卷积网络 双向长短期记忆网络
在线阅读 下载PDF
基于TCN模型的软件系统老化预测框架 被引量：1
11
作者 王艳超 姚江毅 +1 位作者 李雄伟 刘林云 《计算机应用与软件》 北大核心 2025年第5期25-29,61,共6页
随着软件规模的扩大和逻辑复杂度的提高,软件老化特征表现更加隐蔽,老化参数时序信号更加复杂,针对时序预测法对序列平稳性要求高和BP神经网络收敛速度慢、易陷入局部极值的问题,提出以时域卷积网络(TCN)模型为基础的软件老化预测框架... 随着软件规模的扩大和逻辑复杂度的提高,软件老化特征表现更加隐蔽,老化参数时序信号更加复杂,针对时序预测法对序列平稳性要求高和BP神经网络收敛速度慢、易陷入局部极值的问题,提出以时域卷积网络(TCN)模型为基础的软件老化预测框架。采集可用内存数据作为框架的输入,经TCN模型进行预测,通过检查预测输出的内存与实际内存的平均误差评价模型的效率。与ARIMA模型和RNN(LSTM)模型预测结果进行对比表明,TCN模型对时间序列平稳性要求低、适应性更强,不存在梯度爆炸或消失的问题,对采集的老化数据预测效果最好。 展开更多
关键词 软件老化 时域卷积网络 老化预测框架 预测误差 差分自回归滑动平均模型 长短时记忆模型
在线阅读 下载PDF
基于混合注意力的TCN-Transformer行星齿轮箱故障诊断方法
12
作者 陈志刚 陶子纯 +1 位作者 王衍学 魏梓书 《振动与冲击》 北大核心 2025年第20期348-356,共9页
针对现有智能故障诊断模型在处理多通道信号时面临的泛化能力不足、依赖人工特征设计以及跨通道关联建模薄弱等问题,提出一种基于时间卷积网络(temporal convolutional network,TCN)-Transformer的端到端多通道信号自适应诊断模型。该... 针对现有智能故障诊断模型在处理多通道信号时面临的泛化能力不足、依赖人工特征设计以及跨通道关联建模薄弱等问题,提出一种基于时间卷积网络(temporal convolutional network,TCN)-Transformer的端到端多通道信号自适应诊断模型。该模型通过TCN与Transformer的级联架构,构建局部特征提取与全局依赖建模的协同学习机制:TCN模块利用因果卷积逐层捕获信号局部时频模式,其残差连接设计有效缓解深层网络的信息衰减;特征重组阶段提出单向补丁的序列标记方法,将多通道时序信号切割为具有位置编码的高维片段序列,避免传统分块策略的边界失真问题。在Transformer编码层中,创新性融合通道注意力与多头自注意力机制,形成同时关注通道特征和位置关系的混合注意力模块,增强不同传感器信号间的互补性表征。试验表明,该模型在行星齿轮箱多传感器诊断任务中达到98%的识别准确率。 展开更多
关键词 行星齿轮箱故障诊断 多通道信号 注意力机制 时间卷积网络(tcn) TRANSFORMER
在线阅读 下载PDF
基于多头注意力机制和TCN-BiLSTM的IGBT剩余寿命预测方法
13
作者 田源 高树国 +2 位作者 邢超 朱瑞敏 姜士哲 《电气工程学报》 北大核心 2025年第3期69-77,共9页
针对电力电子设备精准运维和半导体功率器件的态势感知需求,提出一种基于多头注意力机制(Multi-head attention mechanism,MA)和时域卷积网络(Temporal convolutional network,TCN)-双向长短时记忆(Bidirectional long short-term memor... 针对电力电子设备精准运维和半导体功率器件的态势感知需求,提出一种基于多头注意力机制(Multi-head attention mechanism,MA)和时域卷积网络(Temporal convolutional network,TCN)-双向长短时记忆(Bidirectional long short-term memory,BiLSTM)网络融合的IGBT剩余寿命预测方法。首先,基于IGBT封装模块老化机理的深入分析,设计并搭建加速老化试验平台,通过控制功率循环过程中的结温波动,施加电流加速IGBT模块的老化进程,采用高精度数据采集系统获取特征参量集-射极饱和压降Vce(sat)老化数据。其次,以TCN模型为基础,引入MA和BiLSTM神经网络构建预测模型,对IGBT劣化特征序列进行预测验证。结果表明,在相同条件下,所提模型相对于传统时序预测模型,在不显著增加模型复杂度和计算负担的情况下,具有更高的精度,充分验证了该模型在工程实践中应用于IGBT剩余寿命在线预测的可行性与高效性。 展开更多
关键词 IGBT 时域卷积网络 双向长短时记忆网络 多头注意力机制 老化预测
在线阅读 下载PDF
基于RF-TCN-SSA-Informer模型的飞机状态预测方法
14
作者 樊智勇 张瑾 刘涛 《科学技术与工程》 北大核心 2025年第28期12139-12147,共9页
针对飞机状态数据向地面传输过程中出现传输异常情况而导致无法对飞机状态进行实时监控的问题,提出一种基于随机森林(random forest,RF)、时域卷积网络(temporal convolutional network,TCN)、麻雀搜索算法(sparrow search algorithm,S... 针对飞机状态数据向地面传输过程中出现传输异常情况而导致无法对飞机状态进行实时监控的问题,提出一种基于随机森林(random forest,RF)、时域卷积网络(temporal convolutional network,TCN)、麻雀搜索算法(sparrow search algorithm,SSA)、Informer模型的飞行状态预测方法。利用随机森林算法对真实飞行数据进行特征重要性分析,将筛选后的参数作为预测的输入变量;引入TCN弥补Informer模型在处理复杂飞行数据序列时信息丢失或信息模糊的问题,TCN通过其卷积结构能够有效捕捉局部时间特征和短期依赖,将TCN与Informer的特征矩阵进行融合,能够同时捕捉飞行状态序列中的局部与全局信息,从而提升预测的准确性和可靠性;并使用麻雀搜索算法对模型超参数进行优化,以获得更好的预测性能。以飞行俯仰角、滚转角、偏航率为预测对象进行实验验证,通过与其他模型进行对比分析。实验结果表明:该模型在单步预测与多步预测任务中均具有良好的预测性能,可为飞机状态预测提供参考。 展开更多
关键词 飞机状态预测 随机森林(RF) 时域卷积网络(tcn) 麻雀搜索算法(SSA) INFORMER 快速存取记录器(QAR)数据
在线阅读 下载PDF
基于DDTW聚类和SK TCN-GC BiGRU的分布式光伏短期功率预测
15
作者 段宏 郭成 +1 位作者 孙海东 王嵩岭 《智慧电力》 北大核心 2025年第4期71-80,共10页
针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性... 针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性内核网络(SKNet)和全局上下文模块(GC Block)优化TCN与BiGRU模型,分别增强提取多尺度特征和全局信息的能力。仿真结果验证了所提模型的优越性,尤其在气象条件数据波动较大的情况下,表现出较强的鲁棒性。 展开更多
关键词 短期光伏功率预测 时间卷积神经网络 双向门控循环单元 导数动态时间弯曲聚类
在线阅读 下载PDF
基于TCN-BiLSTM-Attention-ESN的光伏功率预测 被引量：9
16
作者 时培明 郭轩宇 +3 位作者 杜清灿 许学方 贺长波 李瑞雄 《太阳能学报》 EI CAS CSCD 北大核心 2024年第9期304-316,共13页
针对光伏发电功率随机性强、难以准确预测的问题,提出一种基于时间卷积网络(TCN)、双向长短期记忆网络(BiLSTM)和回声状态网络(ESN)的组合预测方法。首先,使用自适应噪声完备集合经验模态分解(CEEMDAN)将功率数据分解为一系列相对平稳... 针对光伏发电功率随机性强、难以准确预测的问题,提出一种基于时间卷积网络(TCN)、双向长短期记忆网络(BiLSTM)和回声状态网络(ESN)的组合预测方法。首先,使用自适应噪声完备集合经验模态分解(CEEMDAN)将功率数据分解为一系列相对平稳、不同波动模式的子功率序列;再将分解重构后的功率序列和其他特征序列输入到TCN-BiLSTM-Attention-ESN组合模型中,其中TCN-BiLSTM-Attention用于提取光伏序列波动特征并构建时空特征向量;最后,将所提取的时空特征向量输入ESN获得预测结果。采用新疆某光伏电站的光伏功率数据进行验证,结果表明与时下先进的预测方法相比,所提方法具有更高的预测精度,有助于提升光伏发电占比,保障电力系统平衡和运行安全。 展开更多
关键词 光伏发电功率 预测 神经网络 回声状态网络 时间卷积网络 双向长短期记忆网络
在线阅读 下载PDF
融合距离阈值和双向TCN的时空注意力行人轨迹预测模型 被引量：3
17
作者 王红霞 聂振凯 钟强 《计算机应用研究》 CSCD 北大核心 2024年第11期3303-3310,共8页
为解决因缺乏部分行人建模思想、缺少时间维度的全局视野和忽略行人交互模式多样性,而导致交互建模不充分、低预测精度等问题,提出基于Social-STGCNN(social spatio-temporal graph convolutional neural network)的改进模型STG-DTBTA(s... 为解决因缺乏部分行人建模思想、缺少时间维度的全局视野和忽略行人交互模式多样性,而导致交互建模不充分、低预测精度等问题,提出基于Social-STGCNN(social spatio-temporal graph convolutional neural network)的改进模型STG-DTBTA(spatio-temporal graph distance threshold Bi-TCN attention)。首先,构建PPM(partial pedestrian module)模块,对不满足距离阈值等约束条件的行人交互连接剪枝以去噪。其次,引入时空注意力机制,空间注意力动态分配交互权重,并设置多个注意力头以处理交互多样性问题;时间注意力捕捉时序数据的时间依赖关系。最后,采用双向TCN增加全局视野以捕捉轨迹数据中的动态模式和趋势,并采用门控机制融合双向特征。在ETH和UCY数据集上的实验结果表明,与Social-STGCNN相比,STG-DTBTA在维持参数量与推理时间接近的情况下,ADE平均降低8%,FDE平均降低16%。STG-DTBTA具有良好的交互建模能力、模型性能和预测效果。 展开更多
关键词 行人轨迹预测 部分行人建模 距离阈值 时空注意力机制 双向tcn 门控机制
在线阅读 下载PDF
基于TCN和残差自注意力的变工况下滚动轴承剩余寿命迁移预测 被引量：10
18
作者 潘雪娇 董绍江 +2 位作者 朱朋 周存芳 宋锴 《振动与冲击》 EI CSCD 北大核心 2024年第1期145-152,共8页
针对变工况环境下采集到的滚动轴承寿命状态数据存在特征分布差异,深度神经网络模型泛化能力差的问题,结合时间卷积网络(temporal convolutional neural network,TCN)和残差自注意力机制提出了一种端到端的滚动轴承剩余寿命(remaining u... 针对变工况环境下采集到的滚动轴承寿命状态数据存在特征分布差异,深度神经网络模型泛化能力差的问题,结合时间卷积网络(temporal convolutional neural network,TCN)和残差自注意力机制提出了一种端到端的滚动轴承剩余寿命(remaining useful life,RUL)迁移预测方法。首先,将传感器采集到的一维时域信号利用短时傅里叶变换转换为频域信号;其次,剩余寿命迁移预测网络通用特征提取层采用残差自注意力TCN网络,该网络在较好提取时间序列信息的同时,进一步通过残差自注意力机制捕获轴承局部退化特征,增强模型的迁移特征提取能力;再次,采用提出的联合领域自适应策略匹配变工况下滚动轴承寿命状态数据特征分布差异,实现不同工况下轴承寿命状态知识的迁移预测;最后,在公开的滚动轴承全寿命数据集上进行试验验证,结果表明所提方法能有效实现变工况下的滚动轴承RUL预测,并获得较好的预测性能。 展开更多
关键词 剩余寿命(RUL) 滚动轴承 时间卷积网络(tcn) 残差自注意力 迁移学习
在线阅读 下载PDF
基于Time2Vec-LSTM-TCN-Attention的天然气负荷组合预测 被引量：4
19
作者 王可睿 邵必林 《南京信息工程大学学报》 CAS 北大核心 2024年第6期801-809,共9页
针对天然气负荷序列的复杂性和非线性,本文提出一种基于Time2Vec-LSTM-TCN-Attention的天然气负荷组合预测模型.首先,采用皮尔逊相关系数进行相关性分析,提取出相关性强的气象特征;其次,引入时间向量嵌入层Time2Vec,将时间序列转换为连... 针对天然气负荷序列的复杂性和非线性,本文提出一种基于Time2Vec-LSTM-TCN-Attention的天然气负荷组合预测模型.首先,采用皮尔逊相关系数进行相关性分析,提取出相关性强的气象特征;其次,引入时间向量嵌入层Time2Vec,将时间序列转换为连续向量空间,提取相应的时间特征,提高了模型对时间序列信息的计算效率;然后,将Time2Vec提取的时间特征、皮尔逊相关系数选取出的气象特征和原始负荷序列输入到长短期记忆网络(LSTM)和时间卷积网络(TCN)中进行负荷预测,充分利用LSTM的长期记忆能力和TCN的局部特征提取能力;最后,将LSTM和TCN通过注意力(Attention)机制组合起来,并根据其重要程度分别赋予不同的权重,得到最终预测结果.实验结果表明,本文所提出的组合预测模型具有更强的适应性和更高的精度. 展开更多
关键词 Time2Vec 注意力 长短期记忆网络 时间卷积网络 组合预测 负荷预测
在线阅读 下载PDF
融合TA-TCN和迁移学习的滚动轴承寿命预测 被引量：2
20
作者 车鲁阳 冷子文 +2 位作者 付惠琛 张佳佳 高军伟 《组合机床与自动化加工技术》 北大核心 2024年第3期147-151,共5页
针对在实际工业生产中,滚动轴承由于数据量少导致剩余寿命预测的准确度不高的问题,提出了一种时序注意力(temporal attention, TA)优化的时间卷积神经网络(time convolutional networks, TCN)与迁移学习相结合的剩余寿命预测方法。首先... 针对在实际工业生产中,滚动轴承由于数据量少导致剩余寿命预测的准确度不高的问题,提出了一种时序注意力(temporal attention, TA)优化的时间卷积神经网络(time convolutional networks, TCN)与迁移学习相结合的剩余寿命预测方法。首先,通过互补集合经验模态分解(complementary ensemble empirical mode decomposition, CEEMD)将原始特征向量分解为一组子序列分量,突出特征信号、降低噪声干扰;然后,将子序列分量输入搭建好的TCN模型并添加TA进行优化,深度挖掘深度特征与退化曲线关系;最后,引入迁移学习,利用源域数据进行训练和少量目标域数据进行参数微调,得到目标网络模型。经实例验证,所提模型的稳定性、预测精度相对于其它对比模型有所提升,且在异工况条件下依然有着良好的预测能力。 展开更多
关键词 滚动轴承 寿命预测 互补集合经验模态分解 时序注意力 时间卷积神经网络 迁移学习
在线阅读 下载PDF
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 2 … 13 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部