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781篇文章
< 1 2 … 40 >
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TimeVAE的1DCNN-S-Mamba组合模型光伏功率短期预测
1
作者 许可证 文中 王秋杰 《热力发电》 北大核心 2026年第1期122-133,共12页
针对极端天气下光伏功率预测存在的气象响应失准、突变特征捕捉困难及数据稀缺等问题,提出一种基于模糊C均值(fuzzy C-means,FCM)、最大信息系数(maximum information coefficient,MIC)、时序变分自编码器(time variational auto-encode... 针对极端天气下光伏功率预测存在的气象响应失准、突变特征捕捉困难及数据稀缺等问题,提出一种基于模糊C均值(fuzzy C-means,FCM)、最大信息系数(maximum information coefficient,MIC)、时序变分自编码器(time variational auto-encoders,TimeVAE)、一维卷积神经网络(1D convolutional neural network,1DCNN)和simple-Mamba(S-Mamba)的组合功率预测模型。首先,通过气象特征结合FCM聚类将天气划分为晴天、多云、降雪和降雨4类;然后,结合MIC筛选出最佳气象特征子集,同时针对极端天气样本匮乏问题,采用Time VAE进行数据生成,利用其分解式重构机制生成仿真数据;最后,使用1DCNN-S-Mamba组合模型通过局部卷积捕获短时突变特征,结合双向状态空间建模实现长程依赖解析进行预测。实验结果表明,该模型提升了复杂天气下光伏功率预测的时效性与准确性。相较于S-Mamba,所提模型平均绝对误差和均方根误差在降雪天气下分别降低了3.65%和5.10%。 展开更多
关键词 模糊聚类 时序变分自编码器 数据增强 一维卷积神经网络 S-Mamba
在线阅读 下载PDF
地理时间认知:表达、变化与思维
2
作者 戴文斌 于蓉 《地理教学》 北大核心 2026年第3期9-13,8,共6页
地理事物的任何变化必然在时间轴上延续,所有动态过程的描述都离不开时间的度量,时间认知是地理学的关键思维。本文首先解读了时间单位、时间分辨率、时间区间、时间尺度和时间序列等时间表达形式。其次描述了地理事物在不同时态下的变... 地理事物的任何变化必然在时间轴上延续,所有动态过程的描述都离不开时间的度量,时间认知是地理学的关键思维。本文首先解读了时间单位、时间分辨率、时间区间、时间尺度和时间序列等时间表达形式。其次描述了地理事物在不同时态下的变化性质、变化模式、变化幅度和变化速率等时间变化特征。最后阐述了三种地理的时间思维过程,包括明确时间区间,把握时间尺度,构建动态认知过程;分析时态特征,确定时段划分,解构系统演化阶段;串联时间序列,发现时态规律,提炼人地关系法则。 展开更多
关键词 中学地理 时间认知 表达形式 变化特征 思维过程
在线阅读 下载PDF
基于非均匀渗透率和气水相渗时变的超深层裂缝性致密砂岩气藏数值模拟方法
3
作者 汪如军 陈东 +7 位作者 代力 程时清 李健 任兴南 张宁涛 王福荣 汪洋 杨世龙 《天然气工业》 北大核心 2026年第1期96-104,共9页
超深层裂缝性致密砂岩气藏采用常规数值模拟方法无法考虑其开发过程中储层物性(如孔隙度)空间非均质性对渗透率下降程度的影响以及气水相渗特征的时变效应,进而影响了产能、见水情况预测的准确性。为此,考虑了超深层裂缝性有水气藏基质... 超深层裂缝性致密砂岩气藏采用常规数值模拟方法无法考虑其开发过程中储层物性(如孔隙度)空间非均质性对渗透率下降程度的影响以及气水相渗特征的时变效应,进而影响了产能、见水情况预测的准确性。为此,考虑了超深层裂缝性有水气藏基质和裂缝非均匀渗透率时变效应和气水相渗时变效应,进一步表征了基质和裂缝渗透率变化程度与储层物性之间的关联以及气藏水侵过程中气水两相流动能力的变化;然后基于投影嵌入式离散裂缝,建立了超深层裂缝性致密砂岩气藏时变数值模拟方法。研究结果表明:①考虑基质和裂缝非均匀渗透率变化,总体上渗透率非均匀下降的幅度比常规均匀下降幅度要小;②数值模拟获得的日产气量和累计产气量均高于均匀渗透率变化,反映基质和裂缝渗透率非均匀下降方式更合理;③考虑气水相渗时变的数值模拟计算表明,边水沿裂缝侵入特征更加明显,向产气井窜进速度加快,气井见水时间提前,稳产时间缩短,产气量降低。结论认为,基于非均匀渗透率和气水相渗时变提出的数值模拟方法能够更好地拟合实际历史数据,证实了该方法的可靠性与实用性,该认识为超深层裂缝性致密砂岩气藏的高效开发提供了强有力的理论和技术支撑。 展开更多
关键词 超深层 裂缝性致密砂岩 非均匀渗透率变化 气水相渗时变 投影嵌入式离散裂缝模型 数值模拟
在线阅读 下载PDF
基于自适应VMD样本熵动态忆阻储备池计算的风电场功率预测方法
4
作者 杨宁宁 马芝瑞 吴朝俊 《太阳能学报》 北大核心 2026年第1期485-493,共9页
提出一种基于变分模态分解和样本熵的动态忆阻储备池计算方法。首先,利用自适应变分模态分解技术将原始风电功率时间序列分解为一系列具有不同带宽的子模式,以降低其非线性和不稳定性。接着,通过计算各子模式的样本熵来分析其复杂度,并... 提出一种基于变分模态分解和样本熵的动态忆阻储备池计算方法。首先,利用自适应变分模态分解技术将原始风电功率时间序列分解为一系列具有不同带宽的子模式,以降低其非线性和不稳定性。接着,通过计算各子模式的样本熵来分析其复杂度,并据此进行子模式的重组,以获得更适用于预测的子序列。最后在预测模型构建方面,引入动态忆阻储备池计算框架,结合自适应算法对储备池参数进行优化,以提高预测模型的准确性和鲁棒性。通过动态调整储备池中的连接权重和神经元状态,使模型能更好地适应风电功率的实时变化。与基于变分模态分解样本熵的反向传播神经网络、长短期记忆神经网络、动态忆阻器储备池计算相比,所提出的模型具有更高的准确性和更快的计算速度。 展开更多
关键词 风电场 功率预测 忆阻器 变分模态分解 时间序列
在线阅读 下载PDF
基于VMD-BiLSTM分解组合的巷道风速预测研究
5
作者 马恒 张世龙 高科 《安全与环境学报》 北大核心 2026年第4期1416-1428,共13页
巷道风速的精准预测对通风安全与灾害防控至关重要。针对巷道风速序列的非线性、非平稳性及噪声干扰问题,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)与双向长短期记忆(Bidirectional Long Short-Term Memory, Bi... 巷道风速的精准预测对通风安全与灾害防控至关重要。针对巷道风速序列的非线性、非平稳性及噪声干扰问题,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)与双向长短期记忆(Bidirectional Long Short-Term Memory, BiLSTM)网络组合的风速预测模型(VMD-BiLSTM)。首先,利用VMD将原始风速序列分解为12个相对平稳的模态分量——本征模态函数(Intrinsic Mode Functions, IMFs),以降低序列复杂度并抑制噪声影响;其次,采用BiLSTM网络对各分量分别建模,通过双向结构充分挖掘风速数据的时序特征;最后,叠加各分量预测结果得到最终风速预测值。以寺河二号井煤矿风速监测数据为例,结合温度、瓦斯体积分数及回采状态特征进行建模。结果表明:VMD-BiLSTM预测精度最高,决定系数R2为92.1%,相比传统LSTM、BiLSTM和门控循环单元(Gated Recurrent Unit, GRU)模型显著提升;模态消融试验进一步证明了残差分量对预测精度的重要性。研究为矿井巷道风速的精准预测提供了可靠方法,对矿井通风安全状态评估具有一定价值。 展开更多
关键词 安全工程 风速预测 变分模态分解 双向长短期记忆网络 时序分析
在线阅读 下载PDF
基于变分Transformer的时间序列异常检测
6
作者 薛安荣 陈杰 《计算机工程与科学》 北大核心 2026年第5期914-924,共11页
时间序列异常检测可以发现监测系统中的异常,及时采取必要措施可减少故障和保护系统安全。然而,现有的时序异常检测模型对时序数据之间非线性关联的处理效果不佳。为此,提出基于变分Transformer与高斯核的双分支学习模型,分别构建序列... 时间序列异常检测可以发现监测系统中的异常,及时采取必要措施可减少故障和保护系统安全。然而,现有的时序异常检测模型对时序数据之间非线性关联的处理效果不佳。为此,提出基于变分Transformer与高斯核的双分支学习模型,分别构建序列关联和局部关联,以重建误差与2种关联之间的差异度量为异常得分,并通过k-means算法自动确定异常阈值。此外,通过校正Transformer中位置编码以减少重构误差。在5个公开数据集上与9个基线模型的对比实验结果表明,所提模型在大多数情况下优于基线模型,而且是唯一在5个数据集上的F_(1)值均超过90%的模型,其在各数据集上F_(1)的平均值比最好的基线模型高2.27个百分点。实验结果表明,所提模型在准确性上具有显著优势,能够有效提高时间序列异常检测的准确性和可靠性。 展开更多
关键词 异常检测 多维时间序列分析 Transformer模型 高斯核函数 变分自动编码器
在线阅读 下载PDF
强震发生前主动源观测走时异常机理研究
7
作者 李通 张元生 +4 位作者 刘旭宙 秦满忠 郭晓 宋婷 邹锐 《地震工程学报》 北大核心 2026年第4期918-925,共8页
我国已在云南、新疆、甘肃等地相继建设了4个主动源(即大容量气枪可控震源)激发平台,并获取了长期连续的观测数据。通过对多次强震孕育过程的监测,研究发现震前地下介质波速存在显著异常变化,且震相走时呈现典型的“V”型特征变化。为... 我国已在云南、新疆、甘肃等地相继建设了4个主动源(即大容量气枪可控震源)激发平台,并获取了长期连续的观测数据。通过对多次强震孕育过程的监测,研究发现震前地下介质波速存在显著异常变化,且震相走时呈现典型的“V”型特征变化。为揭示这一现象的物理机制,基于岩石裂纹波速模型,将岩石受力演化过程划分为Ⅰ、Ⅱ两个阶段,分别探讨不同阶段下岩石压缩因子、破碎化程度因子、波速、应力及裂纹的动态变化规律。利用该模型的数学公式,计算介质波速及震相走时在两阶段的实际变化趋势。计算结果表明,理论结果不仅与岩石力学理论和实验数据高度吻合,还与主动源观测到的“V”型走时变化特征一致。研究结果可为强震前兆波速异常的定量解释提供理论支撑,并能深化对震前地下介质变化机制的认识,对地震中短期预测具有重要科学意义。 展开更多
关键词 岩石裂纹波速模型 波速变化 走时变化 气枪主动源 应力
在线阅读 下载PDF
VMD-LSTM-FEDformer降水预测融合模型研究
8
作者 薛院红 宋文广 +2 位作者 江琼琴 尹鸿飞 王润辰 《节水灌溉》 北大核心 2026年第3期48-54,共7页
近年极端雨水天气发生频率逐渐增多,提升降水量预测精度,助力农作物生长显得尤为迫切。基于变分模态分解(VMD)在时间序列分解中的优势,以及擅长处理局部时序信息的长短期记忆网络(LSTM)与擅长处理全局依赖并且具有频域特性的FEDformer... 近年极端雨水天气发生频率逐渐增多,提升降水量预测精度,助力农作物生长显得尤为迫切。基于变分模态分解(VMD)在时间序列分解中的优势,以及擅长处理局部时序信息的长短期记忆网络(LSTM)与擅长处理全局依赖并且具有频域特性的FEDformer优势互补,提出基于变分模态分解的LSTM-FEDformer组合模型的降水预测方法。选取河南省5个不同地理特征的气象站进行预测分析,结果显示组合模型在各气象站中的降水量预测结果误差均在5 mm以内,说明模型具有较强的鲁棒性。在对比实验中,基于VMD-LSTM-FEDformer组合模型的平均绝对误差为9.339 8 mm,均方根误差为12.703 5 mm,决定系数为0.964 4,均优于其他模型,证明了模型具有良好的预测能力以及实际的应用价值。 展开更多
关键词 时间序列预测 变分模态分解 FEDformer 降水预测 融合模型
在线阅读 下载PDF
基于IVMD-GA-KELM的电梯曳引系统故障诊断方法
9
作者 魏义敏 张红兵 +3 位作者 刘辉 潘骏 陈文华 孙小龙 《振动.测试与诊断》 北大核心 2026年第1期139-145,221,共8页
针对电梯曳引系统运行过程中振动信号具有非线性和非平稳性、导致故障诊断精度较低的问题,提出了一种基于改进变分模态分解-遗传算法-核极限学习机(improved variational modal decomposition-genetic algorithm-kernel extreme learnin... 针对电梯曳引系统运行过程中振动信号具有非线性和非平稳性、导致故障诊断精度较低的问题,提出了一种基于改进变分模态分解-遗传算法-核极限学习机(improved variational modal decomposition-genetic algorithm-kernel extreme learning machine,简称IVMD-GA-KELM)的电梯曳引系统故障诊断方法。首先,将动态时间规整算法与残余能量熵占比指标相结合,自适应确定变分模态分解(variational modal decomposition,简称VMD)的最优分解层数K和二次惩罚因子α;其次,采用VMD将所采集到的振动信号分解成多个固有模态分量(intrinsic mode functions,简称IMF),并根据最大峭度准则选取相应故障分量构建故障特征集;然后,采用遗传算法(genetic algorithm,简称GA)优化的核极限学习机(kernel extreme learning machine,简称KELM)对故障特征进行识别与分类;最后,进行故障注入试验以验证方法有效性。研究结果表明,所提出方法能够分析复杂的振动信号,对电梯曳引系统常见故障识别准确率达到96.67%,为电梯曳引系统的故障诊断提供了一种可行方法。 展开更多
关键词 曳引系统 改进变分模态分解 故障特征提取 动态时间规整 残余能量熵
在线阅读 下载PDF
基于多域退化特征生成的RV减速器寿命预测
10
作者 文娟 宋洋 +2 位作者 林苏奔 武忧 潘柏松 《计算机集成制造系统》 北大核心 2026年第5期1720-1733,共14页
针对旋转矢量(RV)减速器全寿命周期数据稀缺导致寿命预测困难的问题,提出一种基于多信息域退化特征生成的寿命预测方法。首先从振动信号中提取40个多信息域初始特征,借助趋势性指数与聚类算法构建性能退化指标体系,筛选出与减速器性能... 针对旋转矢量(RV)减速器全寿命周期数据稀缺导致寿命预测困难的问题,提出一种基于多信息域退化特征生成的寿命预测方法。首先从振动信号中提取40个多信息域初始特征,借助趋势性指数与聚类算法构建性能退化指标体系,筛选出与减速器性能状态高度关联的典型特征;然后,利用基于时间序列生成对抗网络(TimeGAN)生成与真实退化特征数据分布相似的虚拟样本,有效扩充训练数据集;最后,设计融合卷积神经网络(CNN)与长短期记忆网络(LSTM)的卷积长短期记忆网络(C-LSTM)模型,建立退化特征与剩余寿命的映射关系。通过设计对照实验验证提出方法的有效性:对比TimeGAN与深度卷积生成对抗网络(DCGAN)的虚拟数据生成质量,并评估C-LSTM模型与传统模型的预测性能。结果表明:TimeGAN生成的虚拟数据在时间序列变化趋势与概率分布特征上较DCGAN更逼近真实数据;C-LSTM的寿命预测结果均方根误差、平均绝对误差和均方误差较传统方案均大幅下降,且利用扩增数据的结果较仅使用真实数据的均方根误差、平均绝对误差和均方误差分别降低了81.20%、79.30%和96.47%,充分验证了多信息域特征生成框架与混合神经网络模型的优越性。 展开更多
关键词 旋转矢量减速器 时间序列生成对抗网络 寿命预测 多维时间序列 深度学习
在线阅读 下载PDF
2000-2022年庆阳市NDVI时空变化及影响因素研究
11
作者 何丽娟 许泰 祁娟 《草业科学》 北大核心 2026年第2期273-283,共11页
作为陇东地区生态保护的关键区域,庆阳市生态状况对陇东及对甘肃省生态建设和可持续发展至关重要。本研究基于2000-2022年的归一化植被指数(NDVI)、气温和降水量数据集,利用Theil-Sen、Mann-Kendall检验和相关性分析等方法研究了庆阳市N... 作为陇东地区生态保护的关键区域,庆阳市生态状况对陇东及对甘肃省生态建设和可持续发展至关重要。本研究基于2000-2022年的归一化植被指数(NDVI)、气温和降水量数据集,利用Theil-Sen、Mann-Kendall检验和相关性分析等方法研究了庆阳市NDVI时空变化及影响因素。结果表明,1)2000-2022年庆阳市夏季NDVI增幅最快,为每10年0.098;空间分布呈东南高、西北低的格局,中高植被覆盖和高植被覆盖总面积占比21.46%,植被覆盖改善面积占比89.06%,生态环境持续向好发展。2)2000-2022年庆阳市气候向暖湿态势发展,春季气温增幅最快,为每10年0.132℃,夏季降水量增幅最快,为每10年18.769 mm;空间上,NDVI与气温(68.71%)和降水量(81.44%)存在较强的正相关性,时间上存在“时滞性”,且NDVI与降水量的时滞效应较气温明显,最长达3个月。总体上,降水对植被生长的影响极显著(r=0.991,P<0.01),研究结果可为庆阳市及甘肃省的生态管理和可持续发展提供科学依据。 展开更多
关键词 庆阳市 时空变化 植被指数 Theil-Sen MANN-KENDALL检验 时滞性
在线阅读 下载PDF
基于多特征融合的故障电弧诊断方法
12
作者 席英哲 李斌 张勇志 《电力系统及其自动化学报》 北大核心 2026年第5期112-122,共11页
针对工业负载回路中串联电弧故障信号微弱导致误报漏报率较高的故障检测难题,提出了一种多特征融合的故障电弧检测方法。利用短时傅里叶变换和残差神经网络提取电流信号的深度时频特征,通过同步变分模态分解和卷积结合长短时记忆网络获... 针对工业负载回路中串联电弧故障信号微弱导致误报漏报率较高的故障检测难题,提出了一种多特征融合的故障电弧检测方法。利用短时傅里叶变换和残差神经网络提取电流信号的深度时频特征,通过同步变分模态分解和卷积结合长短时记忆网络获取深度模态特征,同步采用门控循环单元捕捉时序特征。创新性地引入改进常青藤算法优化同步变分模态分解参数,并融合多头自注意力机制强化特征关联,提高识别准确率。通过搭建的串联电弧故障仿真平台进行对比实验,结果表明,所提方法不仅展现出高准确性,还有效克服单一特征局限性,相比传统故障诊断模型鲁棒性更强,展现出显著优越性和工程应用潜力,为复杂工业场景下的串联电弧故障检测提供了解决方案和理论支撑。 展开更多
关键词 串联电弧故障 多特征融合 短时傅里叶变换 同步变分模态分解 改进常青藤算法
在线阅读 下载PDF
一种利用属性相关性的时序预测模型
13
作者 刘加多 郭景峰 陈晓 《燕山大学学报》 北大核心 2026年第1期33-43,共11页
针对现有研究通常忽视时序数据集属性之间的相关性导致模型在长时间序列预测中精度较差的问题,提出一种利用属性相关性的时序预测方法。首先设计时序数据集属性分组策略,对原始数据集的各个属性进行划分;其次利用融合变异系数的ProbSpar... 针对现有研究通常忽视时序数据集属性之间的相关性导致模型在长时间序列预测中精度较差的问题,提出一种利用属性相关性的时序预测方法。首先设计时序数据集属性分组策略,对原始数据集的各个属性进行划分;其次利用融合变异系数的ProbSparseCV自注意力机制提取划分后的数据集中时序数据的特征,并使用编码器-解码器的结构构建预测模型:最后,通过多组实验验证所提方法的有效性和优越性,通过消融实验分析所提方法对精度提升的贡献程度,实现长时间序列预测精度的提升。 展开更多
关键词 属性相关性 变异系数 自注意力机制 长时间序列预测
在线阅读 下载PDF
基于IBKA-VMD-WTC-TSLANeT的短期电力负荷预测
14
作者 彭彪 于惠钧 谢雄峰 《科学技术与工程》 北大核心 2026年第5期2009-2017,共9页
短期电力负荷预测是电力系统运行和管理的重要组成部分,对优化电力调度、提高电力系统可靠性具有重要作用。针对现有预测模型对高随机性的电力负荷特征提取能力不足问题提出一种短期电力负荷预测模型。它包括使用改进黑翅鸢算法(improve... 短期电力负荷预测是电力系统运行和管理的重要组成部分,对优化电力调度、提高电力系统可靠性具有重要作用。针对现有预测模型对高随机性的电力负荷特征提取能力不足问题提出一种短期电力负荷预测模型。它包括使用改进黑翅鸢算法(improved black kite algorithm, IBKA)优化参数的变分模态分解(variational mode decomposition, VMD)的数据分解部分,以及由小波变换卷积(wavelet transform convolution, WTC)和时间序列轻量自适应网络(time series lightweight adaptive network, TSLANet)组成的预测部分。首先使用VMD将原始数据分解为多个平稳的子序列,在分解中引入使用拉丁超立方抽样、Gompertz模型步长调整策略、北方苍鹰优化算法(northern goshawk optimization, NGO)随机整数因子改进的BKA算法对分解层数和惩罚因子进行寻优,提高其分解精度。接着将分解的各个分量分别与气温和湿度数据输入WTC-TSLANeT组合模型进行预测,其中WTC通过小波变换对时间序列进行多尺度分解以增强模型对复杂时间序列的表征能力,TSLANet通过局部特征提取和频域特征增强,进一步提升模型对时间依赖关系的建模能力。最终将各个分量的预测值叠加重构得到最终预测值。对比实验结果表明,所提模型有更强的电力负荷特征提取能力和更高的预测精准度。 展开更多
关键词 短期负荷预测 改进黑翅鸢算法 变分模态分解 小波变换卷积 时间序列轻量自适应网络
在线阅读 下载PDF
近550年中国东部旱涝格局时空演变规律及未来预估
15
作者 黄泽宏 刘健华 +5 位作者 贾紫桐 王易初 殷国栋 宋儒霖 刘昌明 付永硕 《水利水电技术(中英文)》 北大核心 2026年第1期1-12,共12页
【目的】我国东部地区旱涝变率大、灾害风险高,但基于长时间历史数据的东部旱涝格局变化规律尚不清晰。为揭示中国东部地区长期旱涝格局的演变规律及其未来变化趋势,【方法】基于我国1470—2020年的长序列气象数据,重构旱涝分布级数,结... 【目的】我国东部地区旱涝变率大、灾害风险高,但基于长时间历史数据的东部旱涝格局变化规律尚不清晰。为揭示中国东部地区长期旱涝格局的演变规律及其未来变化趋势,【方法】基于我国1470—2020年的长序列气象数据,重构旱涝分布级数,结合小波分析和功率谱分析,识别旱涝变化的主导周期与阶段特征,并使用长短时记忆网络模型预测了东部地区2030—2100年旱涝演变趋势。【结果】结果显示:1470—2020年间中国东部经历了两个偏旱期和一个偏涝期,旱涝情势具有平均20年、50年和180年的变化周期,“北涝南旱”与“北旱南涝”的气候格局以平均200年为周期交替。空间分析显示,近50年来华北、东北西南部等地旱涝波动性高,年际方差阈值较大,气候系统不稳定;而南方大部波动性较低,旱涝变化较为平稳。机器学习预测结果表明,21世纪中叶后东部气候格局将由偏旱向偏涝转变,“北涝南旱”事件自20世纪末期发生频率逐渐增高,并在2036年左右出现阶段性高发,随后频率逐渐下降。而“北旱南涝”事件在此后逐渐增强,并在21世纪中叶达到阶段性高发,之后逐渐减少。【结论】结果表明:中国东部旱涝情势和南北旱涝格局存在长期周期性和阶段性交替规律,未来气候系统可能呈现由偏旱向偏涝的转折趋势。结果深化了对中国东部旱涝时空演变机制的理解,可为水资源优化配置、洪旱灾害风险评估及防御体系构建提供科学支撑,对保障区域水安全具有重要意义。 展开更多
关键词 旱涝变化 南北旱涝 小波分析 长时间尺度 LSTM模型
在线阅读 下载PDF
基于PKO算法与IAPO算法的短期电力负荷预测模型
16
作者 彭彪 于惠钧 赵文川 《现代电子技术》 北大核心 2026年第8期84-92,共9页
为提升传统深度学习组合预测模型在短期电力系统负荷预测上的性能,提出一种基于花斑雀鸟优化(PKO)算法优化变分模态分解(VMD)、改进北极海雀优化(IAPO)算法优化时间卷积网络-长短期记忆(TCN-LSTM)网络的组合预测模型。首先,利用VMD将原... 为提升传统深度学习组合预测模型在短期电力系统负荷预测上的性能,提出一种基于花斑雀鸟优化(PKO)算法优化变分模态分解(VMD)、改进北极海雀优化(IAPO)算法优化时间卷积网络-长短期记忆(TCN-LSTM)网络的组合预测模型。首先,利用VMD将原始数据分解为若干子序列,降低数据复杂度;在分解中引入PKO算法对惩罚因子和分解层数进行寻优,提高分解精度。其次,通过Logistic混沌映射、动态步长调整、记忆机制等多策略改进北极海雀优化方法,增强算法的全局搜索能力,加快收敛速度,利用改进后的算法对TCN-LSTM模型超参数进行寻优。最后,通过IAPO-TCN-LSTM预测模型对子序列分别进行叠加重构,得到最终的预测结果。实例结果表明,所提方法相较于其他模型,在RMSE和MAPE指标上均有所降低,R2值有所提高,表现出更高的预测精度和鲁棒性。 展开更多
关键词 短期负荷预测 变分模态分解 花斑雀鸟算法 时间卷积网络 长短期记忆网络 改进北极海雀算法
在线阅读 下载PDF
“新冠疫情”下中美投资者恐慌情绪传染性研究
17
作者 高洁 默淑炜 +1 位作者 李合龙 袁宜晨 《运筹与管理》 北大核心 2026年第1期182-189,共8页
研究新冠疫情背景下投资者恐慌情绪的传染性,对于投资者及各机构更好地稳定金融市场及有效规避投资风险具有重要的理论和实践意义。本文通过构建VMD-WA模型并结合传统计量模型从长、中、短三个不同的时间尺度去研究新冠疫情对恐慌情绪... 研究新冠疫情背景下投资者恐慌情绪的传染性,对于投资者及各机构更好地稳定金融市场及有效规避投资风险具有重要的理论和实践意义。本文通过构建VMD-WA模型并结合传统计量模型从长、中、短三个不同的时间尺度去研究新冠疫情对恐慌情绪传染性产生的影响。研究发现:新冠疫情的发生使得中美恐慌情绪的长期传染性减弱,中期传染性不可预测,短期传染性增强。文末基于结果和政策分析对投资者、政府及监管机构提出了相关建议。 展开更多
关键词 恐慌情绪 多时间尺度 新冠疫情 变分模态分解
在线阅读 下载PDF
融合VAE与度量学习的负荷数据双模式学习算法
18
作者 蒋晓丽 李传江 +1 位作者 章倩 陈琳升 《中国测试》 北大核心 2026年第3期154-163,共10页
电力负荷数据有效分析对于挖掘信息的价值至关重要,聚类和分类是数据挖掘中主要手段。考虑到电力负荷数据分析因其固有的时序复杂性相较于其他类型的数据分析更加具有挑战性。该研究提出一种时间序列数据双模式分析算法,该算法融合监督... 电力负荷数据有效分析对于挖掘信息的价值至关重要,聚类和分类是数据挖掘中主要手段。考虑到电力负荷数据分析因其固有的时序复杂性相较于其他类型的数据分析更加具有挑战性。该研究提出一种时间序列数据双模式分析算法,该算法融合监督学习和无监督学习。首先,设计基于门控神经网络的变分自编码器(VAE),深入学习时间序列数据的时序特征。针对传统VAE在KL散度损失项和无监督学习方面的局限,文章改进KL散度损失函数并引入度量学习,以增强潜在空间的表征能力。进一步,通过编码器得到的潜在向量空间,实现符合聚类原则的输出设计,并提出有效的合并和停止标准,以降低计算成本。此外,采用结合度量学习和分类任务的多任务学习策略,实现时间序列数据的准确分类。在大规模工业负荷数据的实验中,与现有技术相比,所提算法在聚类精度上平均提高27.16%,速度提升47.15%,在分类精度上最高提高14.86%,速度提升34.45%,证明本算法的有效性和优越性。 展开更多
关键词 时间序列数据 聚类算法 变分自编码器 门控神经网络 度量学习
在线阅读 下载PDF
基于河马优化的VMD-TCN轴承故障诊断方法
19
作者 牛珂 刘怡然 王新华 《机械设计与制造》 北大核心 2026年第4期307-312,共6页
轴承是旋转装置的核心元件,其性能状况对机械系统的稳定性和安全性至关重要。为解决轴承故障特征提取难、诊断准确率低的问题,提出一种新型智能算法河马优化算法(HO),并结合变分模态分解(VMD)与时间卷积网络(TCN)组合形成HO-VMD-TCN轴... 轴承是旋转装置的核心元件,其性能状况对机械系统的稳定性和安全性至关重要。为解决轴承故障特征提取难、诊断准确率低的问题,提出一种新型智能算法河马优化算法(HO),并结合变分模态分解(VMD)与时间卷积网络(TCN)组合形成HO-VMD-TCN轴承故障诊断方法。首先,利用VMD对原始信号进行分解,提取轴承振动数据中的特征数据,得到一系列模态分量(IMFs)。其次为了确定VMD算法中最佳的模态分量个数K及惩罚参数α,增强特征提取的效果,将最小排列熵作为适应度函数,采用HO算法进行参数优化,并找寻最小适应度的索引值,将两个参数以及索引值代回VMD中。接着,计算最佳IMF分量的统计特性,生成特征矩阵。最后,将特征矩阵输入到TCN模型中进行故障分类。使用西储大学轴承数据集进行实验,结果表明HO-VMD-TCN轴承故障诊断方法能够强化故障特征,提取有效特性,显著提高故障诊断的准确性和效率。 展开更多
关键词 轴承故障诊断 河马优化算法(HO) 变分模态分解(VMD) 时间卷积网络(TCN) 特征提取
在线阅读 下载PDF
基于特征优化和IWOA-TCN-Attention的变压器油中溶解气体含量预测方法
20
作者 郭汉斌 李志斌 《电工电能新技术》 北大核心 2026年第4期33-43,共11页
油中溶解气体含量的准确预测,可为变压器故障预警提供一定的依据。针对油中溶解气体数据中异常值干扰以及单一模型预测精度偏低的问题,本文提出一种基于特征优化和改进鲸鱼优化算法-时间卷积网络-注意力机制(IWOA-TCN-Attention)的变压... 油中溶解气体含量的准确预测,可为变压器故障预警提供一定的依据。针对油中溶解气体数据中异常值干扰以及单一模型预测精度偏低的问题,本文提出一种基于特征优化和改进鲸鱼优化算法-时间卷积网络-注意力机制(IWOA-TCN-Attention)的变压器油中溶解气体预测方法。首先,利用最优变分模态分解(OVMD)提取变压器时间序列的运行趋势,将原始序列的运行趋势去除,在此基础上采用局部离群因子(LOF)对序列进行异常值识别和修正。然后,通过OVMD将修正后的时间序列分解成一系列不同频率的子序列以降低其波动性。其次,结合Sobol序列、非线性收敛因子、自适应权重、差分进化和柯西变异策略对鲸鱼优化算法进行改进,利用改进鲸鱼优化算法(IWOA)对时间卷积网络(TCN)的超参数进行优化,并引入注意力机制提升模型对重要时序信息的捕捉能力。最后,对各子序列分别构建IWOA-TCN-Attention预测模型,通过叠加各子序列的预测结果,得到最终油中溶解气体含量的预测结果。实验结果表明,所提方法的均方根误差、平均绝对误差、平均绝对百分比误差分别为0.0530、0.0429、0.0041,相比其他模型具有更高的预测精度。 展开更多
关键词 油中溶解气体 最优变分模态分解 局部离群因子 改进鲸鱼优化算法 时间卷积网络 注意力机制
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 … 40 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
版权所有© 2001-2026 渝B2-20050021-1渝公网安备 50019002500403号
使用帮助 返回顶部