融合物理机制的机器学习水文模型研究进展

1

作者 张建云 谢康 +3 位作者 刘艳丽 郑雅莲 汤梓杰 王国庆 《人民长江》 北大核心 2025年第10期37-46,共10页

随着信息技术和物理模型的发展,融合物理机制的机器学习方法因其优越的准确性、物理一致性以及有效处理不确定性和非线性特征的能力,正逐渐成为水文领域的研究热点。在重点综述近10 a来融合物理机制的机器学习在水文模型中最新应用与发... 随着信息技术和物理模型的发展,融合物理机制的机器学习方法因其优越的准确性、物理一致性以及有效处理不确定性和非线性特征的能力,正逐渐成为水文领域的研究热点。在重点综述近10 a来融合物理机制的机器学习在水文模型中最新应用与发展的基础上,总结了物理机制与机器学习融合模型的不同应用分类,分为误差校正型、参数优化型、数据增强型、物理约束型、结构内嵌型、公式融入型等6种,并重点讨论了数据与物理双驱动水文模型的进展与不足。最后,展望了融合物理机制的机器学习在水文模型中的发展方向,提出需重点关注模型参数优化、可解释性问题、小样本及中长期尺度模拟等方面的研究,让物理机制与人工智能深度结合的新方法促进水文模型领域的建设与发展。 展开更多

关键词 水文模型 数据驱动 物理机制 机器学习

在线阅读 下载PDF 职称材料

功能梯度材料数据驱动格点型有限体积法

2

作者 龚京风 陈思成 +2 位作者 宣领宽 李晨琦 张跃 《力学学报》 北大核心 2025年第1期136-147,共12页

复合材料结构力学性能的评估是机械工程领域迫切需要解决的关键问题.将材料应力应变数据与格点型有限体积法(cell-vertex finite volume method,CV-FVM)相结合形成数据驱动格点型有限体积法,用于解决复合材料本构建模复杂和成本高昂的难... 复合材料结构力学性能的评估是机械工程领域迫切需要解决的关键问题.将材料应力应变数据与格点型有限体积法(cell-vertex finite volume method,CV-FVM)相结合形成数据驱动格点型有限体积法,用于解决复合材料本构建模复杂和成本高昂的难题.该方法将材料应力应变数据与格点型有限体积法相结合,利用交错网格技术,将应力-应变定义在单元内,位移和拉格朗日乘子定义于节点,围绕节点构建控制体,为每个单元分配应力应变数据,基于格点型有限体积法对每个控制体的几何方程和平衡方程进行离散和求解,最终通过满足守恒定律的点与材料数据库中的点的距离极值最小化以寻求出问题的最优解.采用C++语言开发数值求解程序,通过该程序分析均匀材料带孔方板和功能梯度材料复合拉压板力学性能,数值计算结果表明:所提出的方法对三角形网格、双线性四边形单元和混合网格适用性良好;数据库数据点数量、数据点间距以及常数矩阵取值对计算结果的影响与现有文献中有限单元法的结论吻合;在保持计算成本相近时,该方法计算结果的精度与有限单元法格式下的数据驱动算法结果精度接近,验证了该方法的有效性;最后通过功能梯度板的数值模拟计算,展示了该方法具备对复合材料的力学行为进行预测和模拟的能力. 展开更多

关键词 数据驱动计算力学 格点型有限体积法 功能梯度材料

在线阅读 下载PDF 职称材料

基于数据物理混合驱动的超短期风电功率预测模型 被引量：6

3

作者 杨茂 王达 +3 位作者 王小海 范馥麟 高博 王勃 《高电压技术》 EI CAS CSCD 北大核心 2024年第11期5132-5141,共10页

为提升超短期风电功率预测精度,提出一种数据-物理混合驱动的超短期风电功率预测方法。首先,构建一种融合双向门控循环单元的残差网络结构,将其在测试集的预测结果作为预测模板。然后,根据风速-风电转换特性,基于多项式-线性回归模型拟... 为提升超短期风电功率预测精度,提出一种数据-物理混合驱动的超短期风电功率预测方法。首先,构建一种融合双向门控循环单元的残差网络结构,将其在测试集的预测结果作为预测模板。然后,根据风速-风电转换特性,基于多项式-线性回归模型拟合风电场风速-功率曲线,在风速高波动时点,以物理机理透明的风速-功率曲线进行预测。最后,根据风速波动阈值建立不同模型之间的动态切换机制,按切换的时点修改模板预测值,对于修正风速小于切入风速的时点,将预测值置零。在吉林省某装机容量为400.5 MW的风电场提供的数据上进行仿真实验得到,测试集第16步预测的平均归一化均方根误差为0.1589,全部切换中有利切换占比达到90.86%,验证了提出的超短期风电功率预测模型的有效性和适用性。 展开更多

关键词 风电场 超短期预测 数据物理混合驱动 切换机制 波动阈值 深度残差网络

在线阅读 下载PDF 职称材料

基于弹性力学第一性原理的数据驱动力学建模 被引量：1

4

作者 郑勇刚 吴哲同 +3 位作者 张涵博 刘振海 叶宏飞 张洪武 《计算力学学报》 CAS CSCD 北大核心 2024年第1期73-80,共8页

提出了一种基于弹性力学第一性原理的数据驱动力学建模方法,其能够从基于弹性力学方程的数值计算结果建立简洁且能准确捕捉变形机制的力学模型。基于有限元计算得到的高精度数据和无监督数据驱动控制方程识别方法Seq-SVF,从梁的载荷和... 提出了一种基于弹性力学第一性原理的数据驱动力学建模方法,其能够从基于弹性力学方程的数值计算结果建立简洁且能准确捕捉变形机制的力学模型。基于有限元计算得到的高精度数据和无监督数据驱动控制方程识别方法Seq-SVF,从梁的载荷和位移数据中自动识别出了Timoshenko梁形式的弯曲控制微分方程,得到了三种不同加载条件下剪切影响系数关于结构尺寸和力学参数的函数表达式。揭示了经典模型适用的加载条件,同时还给出了一种未发现的新模型。通过将基于弹性力学的第一性原理计算与数据驱动范式相结合,克服了传统建模方法的局限性和对人类经验的强依赖性,为建立简洁的力学模型提供了一种新途径。 展开更多

关键词 结构力学模型 数据驱动 方程识别 TIMOSHENKO梁 第一性原理

在线阅读 下载PDF 职称材料

数据驱动与物理机制耦合的菜子湖流域水位预报模型研究

5

作者 张运鑫 雷岳清 +4 位作者 廖卫红 张召 雷晓辉 年树强 张志山 《中国农村水利水电》 北大核心 2024年第9期145-151,159,共8页

菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法... 菜子湖作为引江济淮工程的关键调蓄湖泊之一,湖泊水位的变化同时受到自然降水和工程调蓄的影响。为了准确模拟及预报菜子湖水位,构建了菜子湖流域四水源新安江模型和菜子湖水位预报的神经网络(LSTM)模型。在此基础上,采用外部耦合的方法,构建了四水源新安江-LSTM耦合模型,进一步将物理机制模型模拟的入湖流量作为补充因子,驱动神经网络(LSTM)模型模拟菜子湖水位,从而实现两种不同模型在湖泊水位预报中的耦合应用。结果得出:直接模拟水位的洪水误差小于0.1 m,耦合模拟水位的洪水误差小于0.02 m,后者相较前者,水位误差精度提升了0.08 m。直接模拟水位验证期的洪水误差在0.02 m之内,纳什系数R^(2)分别为0.89、0.75及0.88,均方根误差RMSE分别为0.034、0.027及0.015;耦合模拟水位验证期的洪水误差在0.015 m之内,纳什系数R^(2)分别为0.91、0.82及0.88,均方根误差RMSE分别为0.019、0.021及0.008。研究结果表明,与单驱动因子得出的结果相比,双驱动因子得出的结果更有效地提高了水位的模拟精度。同时在考虑对应降雨的洪水过程中,数据驱动和物理机制相结合的方法与直接预测水位误差相对比,有效地提高了场次洪水水位预报的精度,得到更精确的模拟结果。为引江济淮工程的调水提供了重要的参考依据,也为相似调水工程的洪水水位预报提供一定的参考。 展开更多

关键词 四水源新安江模型 神经网络(LSTM)模型 数据驱动和物理机制相结合 水位误差

在线阅读 下载PDF 职称材料

基于物理机理引导的数据驱动潮流计算方法 被引量：3

6

作者 战鹏祥 黄飞虎 +4 位作者 廖思睿 彭舰 徐文政 李强 张凌浩 《电网技术》 EI CSCD 北大核心 2024年第12期5034-5045,I0051,共13页

随着电力系统可再生能源波动性、负荷随机性等不确定因素的增加,特别是在N-1故障场景下,高效大规模重复潮流计算对于实时安全分析愈发重要。然而,基于物理机理的传统潮流计算方法计算成本较高,运算速度较慢,无法满足实时风险评估需求;... 随着电力系统可再生能源波动性、负荷随机性等不确定因素的增加,特别是在N-1故障场景下,高效大规模重复潮流计算对于实时安全分析愈发重要。然而,基于物理机理的传统潮流计算方法计算成本较高,运算速度较慢,无法满足实时风险评估需求;数据驱动潮流计算方法运算速度较快,但严重依赖数据质量,预测结果与物理机理缺乏一致性,难以应用于实际工业场景。对此,该文在数据驱动模型上引入电力系统领域知识,构建符合物理约束的深度学习模型,提高了模型性能;采用门控机制和正则化策略,将电力系统拓扑结构和物理公式嵌入到深度神经网络结构,使模型能够适应N-1故障场景下网络拓扑结构的变化。该文采用接入新能源的IEEE 14、IEEE 39以及IEEE 300节点系统进行仿真实验,在正常和N-1故障场景中验证模型效果。实验结果表明,该文方法在误差精度和遵守物理约束的程度上,较传统深度学习潮流计算方法均有提升,可以有效地评估系统在不同故障情况下的运行状态,验证了所提方法的有效性。 展开更多

关键词 潮流计算 数据驱动 深度学习 物理机理引导 拓扑门控

在线阅读 下载PDF 职称材料

机理与数据驱动的物理仿真计算范式及引擎架构

7

作者 何小伟 石剑 +6 位作者 刘树森 任丽欣 郭煜中 蔡勇 王琥 朱飞 汪国平 《图学学报》 CSCD 北大核心 2024年第6期1207-1221,共15页

物理仿真作为现代工业软件的基石,其计算范式可分为机理驱动、数据驱动及混合驱动等模式。面对多样化物理仿真需求,构建一个既能灵活适应各类物理仿真计算范式,又能实现不同计算范式之间高效耦合的通用引擎架构,已成为软件设计与开发领... 物理仿真作为现代工业软件的基石,其计算范式可分为机理驱动、数据驱动及混合驱动等模式。面对多样化物理仿真需求,构建一个既能灵活适应各类物理仿真计算范式,又能实现不同计算范式之间高效耦合的通用引擎架构,已成为软件设计与开发领域亟待解决的关键难题与挑战。针对该问题,提出面向多物理仿真计算范式的FNMS架构Data Field-Node-Module-Scene Graph,其核心在于四层结构的设计:数据域(Data field)、节点(Node)、模块(Module)与场景图(Scene graph)。具体而言,数据域层为仿真过程提供统一的数据管理与访问接口,解决物理仿真计算数据共享的便捷性与高效性;模块层封装各类物理仿真算法,实现算法的模块化与可重用,解决仿真计算、渲染与交互的异步协同问题;节点层通过数据与算法模块的解耦实现算法在不同物理仿真计算范式之间的复用,同时便于实现多物理场耦合过程的交换与共享;而场景图层通过将节点组织成有向无环图,支撑多种物理仿真计算范式的高效耦合计算。通过该四层结构的结合,FNMS架构不仅能提升物理仿真的计算效率与灵活性,更为跨学科、跨领域的物理仿真研究提供了强有力的技术支持。 展开更多

关键词 FNMS引擎架构 机理驱动 数据驱动 物理仿真 计算范式

在线阅读 下载PDF 职称材料

经验知识监督的RC墩柱力学性能神经网络分析方法

8

作者 刘振亮 李素超 赵存宝 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第1期35-43,共9页

基于试验或数值模拟的单一墩柱力学性能分析方法难以兼顾计算精度和效率,纯数据驱动的分析方法存在可解释性差和对数据依赖性强等问题。为此,本文通过研究钢筋混凝土(RC)墩柱力学性能试验数据、经验知识和机器学习的融合机制,提出了经... 基于试验或数值模拟的单一墩柱力学性能分析方法难以兼顾计算精度和效率,纯数据驱动的分析方法存在可解释性差和对数据依赖性强等问题。为此,本文通过研究钢筋混凝土(RC)墩柱力学性能试验数据、经验知识和机器学习的融合机制,提出了经验知识监督的RC墩柱力学性能神经网络(knowledge-guided neural network,KGNN)分析方法。首先,建立了包含761组RC墩柱拟静力试验样本的数据库;随后,基于经验知识分析了RC墩柱主要特征对其力学性能的影响规律,构建了相应的数学表征方法;最后,将RC墩柱试验数据及经验知识融入人工神经网络架构和训练过程,建立了高精度、可解释、可通用且不依赖大量训练数据的RC墩柱力学性能KGNN分析模型。本文提出的KGNN分析方法与纯数据驱动神经网络(BPNN)的结果对比表明:BPNN在测试集上表现更好,在分析墩柱承载力时均方根误差(E)和拟合系数(R^(2))分别为0.070和0.978,KGNN模型的E和R^(2)分别为0.108和0.942;但由于BPNN所预测的墩柱特征对承载力的影响规律与经验知识并不吻合,即未能准确反映墩柱特征与其力学性能间的关系,BPNN模型发生了过拟合;而KGNN方法不仅可以快速准确获得RC墩柱力学性能,且预测规律与经验知识吻合较好,具有更高的可靠性和实用性。因此,融合试验数据与经验知识的神经网络有望成为一种新的RC结构力学性能分析方法。 展开更多

关键词 钢筋混凝土墩柱 数物融合的神经网络 经验知识 力学性能 试验数据库

在线阅读 下载PDF 职称材料

数据驱动的精准化学习评价机制与方法 被引量：61

9

作者 黄涛 赵媛 +3 位作者 耿晶 王涵 张浩 杨华利 《现代远程教育研究》 CSSCI 北大核心 2021年第1期3-12,共10页

综合素质评价是深化教育改革、落实立德树人根本任务的必然要求。信息技术赋能教育教学过程,使得传统教育评价机制向数据驱动的精准化学习评价方向迈进。数据驱动的精准化学习评价是一种不断获取、整合、分析学习过程中的多模态数据,对... 综合素质评价是深化教育改革、落实立德树人根本任务的必然要求。信息技术赋能教育教学过程,使得传统教育评价机制向数据驱动的精准化学习评价方向迈进。数据驱动的精准化学习评价是一种不断获取、整合、分析学习过程中的多模态数据,对教学和学习活动的信息流与运行轨迹作出观测、解释和反馈,以发现教育中存在的问题,辅助课堂教学干预的评价方法,包含多场景数据采集、多空间数据融合、精准分析模型构建、分析结果可视化四个关键组成部分。多场景数据采集为学习评价提供数据来源和量化手段支撑,多空间数据融合为学习评价提供统一数据标准,精准分析模型为学习评价提供数据驱动的学习分析与评价方法,分析结果可视化为学习评价提供反馈和应用服务。数据驱动的精准化学习评价框架,应以区块链技术为基础,融合人工智能、云计算、学习分析、情境感知等新兴技术,在多维时空尺度上全面采集学习过程中的多元海量数据,通过全面、系统的统计分析和数据挖掘,从学习者的内在动机到认知发展、情感表现,再到社会综合交互能力,多维度、及时、准确地评估学生的学习状况。当前,探索数据驱动的精准化学习评价,可从构建符合多空间数据特征的综合素质评价框架,完善过程性数据的采集与共享机制,突破情感、认知、动机与社交评价的关键技术,以及研制数据驱动的学习评价平台等方面入手。 展开更多

关键词 数据驱动 精准化 学习评价 评价机制 评价方法

在线阅读 下载PDF 职称材料

知识与数据联合驱动的风力发电机叶片动态雷达散射截面统计模型

10

作者 王晓亮 施宇翔 何炜琨 《电子与信息学报》 EI CSCD 北大核心 2023年第11期3887-3895,共9页

针对风力发电场对雷达等设备影响评估中所需风力发电机动态雷达散射截面(RCS)估计的问题,提出了一种知识与数据联合驱动的风力发电机动态RCS统计模型。首先,利用风力发电机叶片RCS随叶片旋转周期性变化的特点,建立叶片RCS单个单调变化... 针对风力发电场对雷达等设备影响评估中所需风力发电机动态雷达散射截面(RCS)估计的问题,提出了一种知识与数据联合驱动的风力发电机动态RCS统计模型。首先,利用风力发电机叶片RCS随叶片旋转周期性变化的特点,建立叶片RCS单个单调变化区间内的变化函数。该变化函数由与叶片几何参数相关的峰值RCS、与叶片几何参数无关的调制函数、与材质和形状细节相关的乘性因子组成。其中峰值RCS由理论模型推算得到,针对RCS变化复杂的特点,调制函数和乘性因子利用实测训练数据估计得到。其次,对于待求解型号的风力发电机,根据风力发电机几何参数得到其叶片RCS变化函数,再通过参数估计的方法计算其概率密度函数统计模型。多种不同型号风力发电机实测数据的实验结果,验证了该文给出的风力发电机叶片动态RCS统计模型,与实测数据结果有良好的一致性。 展开更多

关键词 雷达散射截面估计 风力发电机 数据驱动方法 物理光学法 KL散度

在线阅读 下载PDF 职称材料

中长期径流预报研究进展与展望 被引量：21

11

作者 孙周亮 刘艳丽 +7 位作者 张建云 陈华 舒章康 陈鑫 金君良 刘翠善 鲍振鑫 王国庆 《水资源保护》 EI CAS CSCD 北大核心 2023年第2期136-144,223,共10页

概述了中长期径流变化的主要影响因素,从发展历程和研究方法两个角度总结了中长期径流预报方法。从研究技术、径流成因、数据驱动模型、预报不确定性4个方面综述了中长期径流预报的研究进展,分析了在径流关键驱动因子及其驱动机制、数... 概述了中长期径流变化的主要影响因素,从发展历程和研究方法两个角度总结了中长期径流预报方法。从研究技术、径流成因、数据驱动模型、预报不确定性4个方面综述了中长期径流预报的研究进展,分析了在径流关键驱动因子及其驱动机制、数据驱动方法的物理可解释性、预报结果的不确定性认识等方面研究的不足,指出未来应注重对中长期径流物理成因、预报方法适用性和可靠性、中长期径流演变相关研究成果的应用等方面的研究。 展开更多

关键词 中长期径流 预报方法 数据驱动模型 径流成因 不确定性

在线阅读 下载PDF 职称材料

新能源接入背景下的谐波源建模方法综述 被引量：36

12

作者 陈思源 景巍巍 +4 位作者 史明明 付慧 缪惠宇 雷张平 王少荣 《电力系统保护与控制》 EI CSCD 北大核心 2022年第7期162-175,共14页

大量接入可再生能源和逐步采用交直流混合网络已经成为现代电力系统的两大特征,随之而来的电网谐波问题日益突出。在此背景下,谐波源建模方法、谐波溯源方法以及谐波治理方法这三个难点问题越来越受到学术界和工业界的高度关注。综述了... 大量接入可再生能源和逐步采用交直流混合网络已经成为现代电力系统的两大特征,随之而来的电网谐波问题日益突出。在此背景下,谐波源建模方法、谐波溯源方法以及谐波治理方法这三个难点问题越来越受到学术界和工业界的高度关注。综述了目前常见的谐波源建模方法,为电网谐波领域的理论研究和实践提供参考。从谐波源的机理性建模和数据驱动建模两个角度,对目前常见的谐波源时域建模方法和频域建模方法进行了梳理、分析和比较,归纳了各种建模方法的优势和不足,论述了各类谐波源建模方法的适用场景。其中,重点阐述了机理性建模方法和数据驱动建模方法存在的问题,并针对每个问题提出了对应的解决思路。最后,对常见谐波源建模方法的特点进行了归纳总结,对新能源接入背景下谐波源建模技术的发展方向进行了展望。 展开更多

关键词 新能源接入 建模方法 谐波源 机理性建模 数据驱动建模

在线阅读 下载PDF 职称材料

基于数据的自适应CPS软件结构模型设计方法 被引量：2

13

作者 许浩 虞慧群 《华东理工大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第6期841-848,共8页

信息物理系统(Cyber-Physical System,CPS)一般在动态环境中控制物理设备的运行,因此环境参数影响着CPS的结构和行为。提出了一种基于数据的自适应软件结构模型设计方法,该方法中CPS软件结构模型由单元模块通过层次化的组合构造而成。CP... 信息物理系统(Cyber-Physical System,CPS)一般在动态环境中控制物理设备的运行,因此环境参数影响着CPS的结构和行为。提出了一种基于数据的自适应软件结构模型设计方法,该方法中CPS软件结构模型由单元模块通过层次化的组合构造而成。CPS的自适应演化通过面向方面建模方法实现,将环境因素的功能抽象成方面模型,通过对方面模型与基础模型进行编织得到综合的CPS模型。基于Petri网和时态逻辑的形式化方法为CPS模型提供了数学表达和分析手段。理论分析和实验结果表明,本文的设计方法具有可行性和高效性。 展开更多

关键词 信息物理系统 数据驱动 软件结构 自适应机制 软件设计

在线阅读 下载PDF 职称材料

基于数据-机理联合驱动的制冷空调系统故障特征提取方法 被引量：1

14

作者 孙哲 金华强 +3 位作者 李康 顾江萍 黄跃进 沈希 《高技术通讯》 CAS 2023年第7期772-780,共9页

制冷空调系统故障特征提取是系统故障诊断的基础。现有研究常利用端到端的黑箱模型实现自主特征提取,获得的特征不具备物理解析,无法保证其全局应用的可靠性。针对制冷空调系统展开具有明确物理意义的特征提取研究对实现可靠可信故障诊... 制冷空调系统故障特征提取是系统故障诊断的基础。现有研究常利用端到端的黑箱模型实现自主特征提取,获得的特征不具备物理解析,无法保证其全局应用的可靠性。针对制冷空调系统展开具有明确物理意义的特征提取研究对实现可靠可信故障诊断具有重要意义。本文提出一种数据-机理联合驱动的故障特征提取方法,针对动态运行数据复杂多变特性,构建制冷系统基准模型和偏离特性表征策略,实现故障偏离特征的准确提取,并结合热力学机理分析对其进行理论解释。利用ASHRAE RP-1043数据集进行实验验证,获得6类典型故障特征并构建偏离特征矢量表,为故障诊断提供理论基础。 展开更多

关键词 数据-机理联合驱动 故障特征提取 制冷空调系统 深度学习

在线阅读 下载PDF 职称材料

卡尔曼滤波器与神经网络串行的轮胎载荷识别模型 被引量：6

15

作者 曾俊玮 季元进 +3 位作者 任利惠 周荣笙 李超 杨兴荣 《振动与冲击》 EI CSCD 北大核心 2023年第11期262-270,294,共10页

轮胎载荷是车辆设计和安全性评估的基础数据,对轮胎进行高精度的载荷识别具有重要意义。针对轮胎载荷直接测量昂贵、复杂的现状以及基于纯物理驱动与纯数据驱动的载荷识别方法的局限性,提出一种物理-数据联合驱动的载荷识别模型。该模... 轮胎载荷是车辆设计和安全性评估的基础数据,对轮胎进行高精度的载荷识别具有重要意义。针对轮胎载荷直接测量昂贵、复杂的现状以及基于纯物理驱动与纯数据驱动的载荷识别方法的局限性,提出一种物理-数据联合驱动的载荷识别模型。该模型由卡尔曼滤波器与神经网络修正模型串行组成,卡尔曼滤波器对载荷进行初步识别,修正模型通过卷积神经网络和长短期记忆网络提取信号的空间和时间特征,预测卡尔曼滤波器的偏差并对识别结果予以修正。以APM300胶轮车辆为例进行载荷识别,结果表明,该串行模式载荷识别模型通过将物理驱动与数据驱动方法有机结合,综合整个系统的规则与经验,有效地克制了参数扰动的影响,提升了载荷识别精度,具有较强的泛化性能,具备一定的工程应用价值。 展开更多

关键词 卡尔曼滤波器 卷积神经网络 长短期记忆网络 物理-数据联合驱动 轮胎载荷识别

在线阅读 下载PDF 职称材料

知识和数据驱动的多时间尺度采样系统建模方法

16

作者 刘洪旭 韩红桂 杨洪燕 《北京工业大学学报》 CAS CSCD 北大核心 2023年第4期395-402,共8页

针对多时间尺度采样系统快采样变量的信息难以充分利用,建模信息不足的问题,提出一种知识和数据驱动的多时间尺度采样系统的模糊迁移学习建模方法,建立多时间尺度采样系统模型,提高建模精度.首先,设计滤波插补方法填补慢采样变量的空缺... 针对多时间尺度采样系统快采样变量的信息难以充分利用,建模信息不足的问题,提出一种知识和数据驱动的多时间尺度采样系统的模糊迁移学习建模方法,建立多时间尺度采样系统模型,提高建模精度.首先,设计滤波插补方法填补慢采样变量的空缺值,统一慢采样变量和快采样变量为慢时间尺度,利用慢时间尺度变量建立目标模型.其次,提出模型共享机制补充目标模型的建模信息,统一慢采样变量和快采样变量为快时间尺度,利用快时间尺度变量建立参考模型,将参考模型中充足的模型知识迁移到目标模型中.最后,利用参考模型的知识和目标模型的数据学习目标模型的参数,提高目标模型的精度.将提出的建模方法应用于理论数据集,实验证明该方法可以充分挖掘建模信息,建立高精度的多时间尺度采样系统模型. 展开更多

关键词 多时间尺度采样系统 知识和数据驱动 模糊迁移学习 滤波插补方法 模型共享机制 挖掘建模信息

在线阅读 下载PDF 职称材料