期刊文献+
共找到28,546篇文章
< 1 2 250 >
每页显示 20 50 100
考虑滞后效应的CNN-BIGRU-Attention预测降水型滑坡位移
1
作者 肖金涛 王自法 +2 位作者 王超 赵登科 李兆焱 《人民黄河》 北大核心 2025年第3期135-140,145,共7页
为研究降水对滑坡的影响,基于大沙窝滑坡日降水量和位移数据,采用移动平均法将位移分解为趋势项位移和周期项位移,采用卷积神经网络(CNN)预测趋势项位移,采用带有注意力机制(Attention)的卷积神经网络-双向门控循环单元(CNN-BIGRU)模型... 为研究降水对滑坡的影响,基于大沙窝滑坡日降水量和位移数据,采用移动平均法将位移分解为趋势项位移和周期项位移,采用卷积神经网络(CNN)预测趋势项位移,采用带有注意力机制(Attention)的卷积神经网络-双向门控循环单元(CNN-BIGRU)模型预测周期项位移,通过叠加趋势项位移和周期项位移得到最终预测位移结果。采用斯皮尔曼相关系数结合滞后性研究分析变量间的滞后关系。以BIGRU-Attention、门控循环单元(GRU)、长短期记忆网络(LSTM)模型为对照,比较CNN-BIGRU-Attention模型预测周期项位移的精确性。结果表明:CNN模型预测以3、6、12 h步长的趋势项位移的R^(2)值分别为0.992、0.977、0.965;CNN-BIGRU-Attention模型预测以3、6、12 h步长的周期项位移的R~2值分别为0.963、0.939、0.896,预测精度均高于BIGRU-Attention、GRU、LSTM模型;基于呷任依村滑坡监测数据,验证了CNN-BIGRU-Attention模型的泛化性。 展开更多
关键词 位移预测 CNN bigru ATTENTION 大沙窝滑坡 呷任依村滑坡
在线阅读 下载PDF
基于格拉姆角场和PCNN-BiGRU模型的故障诊断方法及其应用
2
作者 盛世龙 王淑青 +2 位作者 王云鹤 翟宇胜 刘冬 《中国农村水利水电》 北大核心 2025年第2期121-128,共8页
研究提出了一种基于信号处理和深度学习技术的水电机组故障诊断方法。首先,利用VMD对水电机组的原始信号进行分解和重构,以实现信号的降噪,并得到本征模态函数(IMF);随后,通过格拉姆角场(GAF)变换,将IMF转换为GASF和GADF图像。然后将所... 研究提出了一种基于信号处理和深度学习技术的水电机组故障诊断方法。首先,利用VMD对水电机组的原始信号进行分解和重构,以实现信号的降噪,并得到本征模态函数(IMF);随后,通过格拉姆角场(GAF)变换,将IMF转换为GASF和GADF图像。然后将所有图像数据输入到双通道并行二维卷积神经网络与双向门控循环单元(PCNNBiGRU)模型中进行训练。该模型通过CNN提取特征图,并将其输入到BiGRU中,以保持对时间特征的敏感度并剔除冗余信息;最后,为验证该方法的有效性,结合实际电站机组样本数据进行比较试验,对所提方法提供高效、准确的水电机组故障诊断解决方案进行了验证。 展开更多
关键词 水电机组 VMD 格拉姆角场 故障诊断 并行CNN bigru
在线阅读 下载PDF
基于二次分解和BiGRU的超短期光伏发电功率预测
3
作者 韩博 李长青 +4 位作者 刘卫亮 刘帅 刘长良 徐家豪 王昕 《动力工程学报》 北大核心 2025年第1期62-69,79,共9页
针对超短期光伏发电功率预测,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)-变分模态分解(VMD)-双向门控循环单元(BiGRU)的混合预测模型。采用CEEMDAN对光伏发电功率信号进行分解,通过样本熵和K-means方法对分解后信号进行聚类重... 针对超短期光伏发电功率预测,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN)-变分模态分解(VMD)-双向门控循环单元(BiGRU)的混合预测模型。采用CEEMDAN对光伏发电功率信号进行分解,通过样本熵和K-means方法对分解后信号进行聚类重构;再利用VMD对复杂信号进行二次分解,以削弱信号的非平稳性;将分解后各信号分量作为BiGRU模型的输入进行训练、验证和预测,然后线性叠加各信号分量预测结果,得到最终预测结果。结果表明:混合预测模型的预测精度高于单一模型,验证了混合预测模型的有效性;通过对比典型天气情况下的预测效果及各项评价指标,验证了所提出方法的通用性。 展开更多
关键词 光伏发电 功率预测 二次分解 样本熵 双向门控循环单元
在线阅读 下载PDF
Distribution network gray-start and emergency recovery strategy with pumped storage unit under a typhoon
4
作者 Zhenguo Wang Hui Hou +4 位作者 Chao Liu Shaohua Wang Zhengtian Li Xiangning Lin Te Li 《Global Energy Interconnection》 2025年第1期121-133,共13页
Typhoons can cause large-area blackouts or partial outages of distribution networks.We define a partial outage state in the distribution network as a gray state and propose a gray-start strategy and two-stage distribu... Typhoons can cause large-area blackouts or partial outages of distribution networks.We define a partial outage state in the distribution network as a gray state and propose a gray-start strategy and two-stage distribution network emergency recovery framework.A phase-space reconstruction and stacked integrated model for predicting wind and photovoltaic generation during typhoon disasters is proposed in the first stage.This provides guidance for second-stage post-disaster emergency recovery scheduling.The emergency recovery scheduling model is established in the second stage,and this model is supported by a thermal power-generating unit,mobile emergency generators,and distributed generators.Distributed generation includes wind power generation,photovoltaics,fuel cells,etc.Simultaneously,we con-sider the gray-start based on the pumped storage unit to be an important first step in the emergency recovery strategy.This model is val-idated on the improved IEEE 33 node system,which utilizes data from the 2022 super typhoon“Muifa”in Zhoushan,Zhejiang,China.Simulations indicate the superiority of a gray start with a pumped storage unit and the proposed emergency recovery strategy. 展开更多
关键词 Wind and photovoltaic generation prediction Pumped storage unit Gray-start Distribution network Emergency recovery strategy
在线阅读 下载PDF
基于MSRC-BiGRU-SA的人体活动识别
5
作者 芦平 于增辉 华国环 《中国电子科学研究院学报》 2025年第1期25-32,共8页
针对目前基于可穿戴传感器的复杂人体活动分类算法大多忽略对多尺度特征的提取和关键特征捕捉的问题,文中提出一种多尺度残差卷积网络叠加双向门控循环单元和自注意力机制(MSRC-BiGRU-SA)的模型。首先,通过MSRC模块充分提取传感器数据... 针对目前基于可穿戴传感器的复杂人体活动分类算法大多忽略对多尺度特征的提取和关键特征捕捉的问题,文中提出一种多尺度残差卷积网络叠加双向门控循环单元和自注意力机制(MSRC-BiGRU-SA)的模型。首先,通过MSRC模块充分提取传感器数据的多尺度空间和时间特征并有效融合原始数据的特征信息,增强特征的表达能力和鲁棒性;其次,利用BiGRU模块充分捕捉时间序列的前后依赖关系;最后,通过SA模块增强模型对复杂活动关键特征的捕捉能力以提升分类性能。实验结果表明,在公开数据集上,该模型对复杂活动的分类准确率达到97.50%,相较于原始CNN-BiGRU模型提升了5.77%,与现有先进模型相比,具有更好的识别效果。 展开更多
关键词 复杂人体活动识别 卷积神经网络 双向门控循环单元 可穿戴传感器 深度学习
在线阅读 下载PDF
融合TextCNN-BiGRU的多因子权重文本情感分类算法研究 被引量:1
6
作者 鲁富宇 冷泳林 崔洪霞 《电子设计工程》 2024年第10期44-48,53,共6页
随着深度学习技术在自然语言处理领域的广泛应用,短文本情感分类技术得到显著发展。该文提出了一种融合TextCNN-BiGRU的多因子权重文本情感分类算法。算法通过引入词语情感类别分布、情感倾向以及情感强度三个关键因子改进了词语的向量... 随着深度学习技术在自然语言处理领域的广泛应用,短文本情感分类技术得到显著发展。该文提出了一种融合TextCNN-BiGRU的多因子权重文本情感分类算法。算法通过引入词语情感类别分布、情感倾向以及情感强度三个关键因子改进了词语的向量表示。将基于词向量表示的短文本分别作为TextCNN和BiGRU模型的输入,提取文本关键局部特征以及文本上下文的全局特征,将两种特征进行线性融合,实现中文短文本的情感分类。在公开的两个情感分类数据集上验证了多因子权重向量表示方法和融合TextCNN-BiGRU的情感分类模型的有效性,实验结果表明,文中提出的算法较单一模型在短文本情感分类准确率上提高了2%。 展开更多
关键词 情感分类 文本卷积神经网络 双向门控循环单元 词向量
在线阅读 下载PDF
基于双注意力机制的MSCN-BiGRU的滚动轴承故障诊断方法 被引量:3
7
作者 王敏 邓艾东 +2 位作者 马天霆 张宇剑 薛原 《振动与冲击》 EI CSCD 北大核心 2024年第6期84-92,103,共10页
针对滚动轴承故障诊断模型在变工况和环境噪声干扰下诊断精度降低的问题,提出一种基于双注意力机制的多尺度卷积网络(dual attention and multi-scale convolutional networks,DAMSCN)与改进的双向门控循环单元(bidirectional gated rec... 针对滚动轴承故障诊断模型在变工况和环境噪声干扰下诊断精度降低的问题,提出一种基于双注意力机制的多尺度卷积网络(dual attention and multi-scale convolutional networks,DAMSCN)与改进的双向门控循环单元(bidirectional gated recurrent unit,BiGRU)组成的故障诊断模型DAMSCN-BiGRU。首先,多尺度特征融合模块使用不同大小的卷积核,获得多种感受野,从而提取到轴承原始振动信号的多尺度特征信息,并根据重要性对其进行自适应融合,然后利用通道注意力和空间注意力组成的双注意力模块(dual attention module,DAM)对多尺度特征进行重新标定,分配注意力权重,削弱融合特征中的冗余特征;然后,增加注意力层和利用分段激活改进BiGRU进而挖掘信号的时域特征,以提高轴承故障诊断的性能;最后,通过Softmax层完成对不同故障的分类。试验结果表明,与其他智能诊断模型相比,DAMSCN-BiGRU在变工况环境下,平均诊断精度达到98.2%,在强噪声背景下仍然有着85.3%的准确率,且在不同程度的噪声强度下效果均优于其他常用模型,有利于促进滚动轴承的智能故障诊断研究和实际应用。 展开更多
关键词 滚动轴承 故障诊断 多尺度特征融合 双注意力机制 双向门控循环单元(bigru)
在线阅读 下载PDF
融合CNN-BiGRU和注意力机制的网络入侵检测模型 被引量:5
8
作者 杨晓文 张健 +1 位作者 况立群 庞敏 《信息安全研究》 CSCD 北大核心 2024年第3期202-208,共7页
为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注... 为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性. 展开更多
关键词 网络入侵检测 卷积神经网络 双向门控循环单元 注意力机制 深度学习
在线阅读 下载PDF
基于Mogrifier-BiGRU的飞行器轨迹预测 被引量:1
9
作者 张堃 杜睿怡 +1 位作者 时昊天 华帅 《兵工学报》 EI CAS CSCD 北大核心 2024年第2期373-384,共12页
针对当前飞行器轨迹预测准确性低的问题,引入双向传播机制和Mogrifier数据耦合模块,改进传统门控循环单元网络,提出基于Mogrifier-BiGRU的飞行器轨迹预测算法,加强网络对历史数据的学习与记忆,使得输入信息与隐藏层数据的充分耦合,提高... 针对当前飞行器轨迹预测准确性低的问题,引入双向传播机制和Mogrifier数据耦合模块,改进传统门控循环单元网络,提出基于Mogrifier-BiGRU的飞行器轨迹预测算法,加强网络对历史数据的学习与记忆,使得输入信息与隐藏层数据的充分耦合,提高预测准确度。仿真结果表明,所提方法对飞行器轨迹预测的准确度可达到96.26%,满足我方作战指挥人员对战场态势趋势准确预测的实际需求。 展开更多
关键词 轨迹预测 双向门控循环单元 Mogrifier数据模块 深度学习
在线阅读 下载PDF
基于DL-BiGRU多特征融合的注塑件尺寸预测方法
10
作者 钱庆杰 余军合 +2 位作者 战洪飞 王瑞 胡健 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2024年第3期646-654,共9页
为了充分挖掘注塑成型过程中模腔内的高频时序特征和注塑成型机状态特征,提出基于双层双向门控循环单元网络(DL-BiGRU)的多特征融合注塑件尺寸预测方法.分析膜腔内传感器高频时序特征与注塑件尺寸间的关联性,采用DL-BiGRU网络从高频数... 为了充分挖掘注塑成型过程中模腔内的高频时序特征和注塑成型机状态特征,提出基于双层双向门控循环单元网络(DL-BiGRU)的多特征融合注塑件尺寸预测方法.分析膜腔内传感器高频时序特征与注塑件尺寸间的关联性,采用DL-BiGRU网络从高频数据中自动提取时序特征,表征注塑件成型过程状态变化特性.通过采样模腔内高频时序数据进行展成平铺,表征注塑成型的瞬时特征.融合时序特征、瞬时特征和成型机状态特征,构建端到端的深度学习多特征融合框架.将上述3种特征融合并联合训练,提升注塑件尺寸预测精度.在注塑成型数据集上进行模型验证,预测尺寸平均均方误差为4.7×10^(-4) mm^(2),最小误差波动为10^(-5) mm^(2)量级,模型具有较高的预测精度和稳定性. 展开更多
关键词 注塑成型 深度学习 双向门控循环单元网络(bigru) 多特征融合 尺寸预测
在线阅读 下载PDF
基于特征选择及ISSA-CNN-BiGRU的短期风功率预测 被引量:4
11
作者 王瑞 徐新超 逯静 《工程科学与技术》 EI CAS CSCD 北大核心 2024年第3期228-239,共12页
针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD... 针对风电功率随机性大、平稳性低,以及直接输入预测模型往往难以取得较高精度等问题,提出了一种基于特征选择及改进麻雀搜索算法(ISSA)优化卷积神经网络-双向门控循环单元(CNN-BiGRU)的短期风电功率预测方法。首先,利用变分模态分解(VMD)将原始功率分解为一组包含不同信息的子分量,以降低原始功率序列的非平稳性,提升可预测性,同时通过观察中心频率方式确定模态分解数。其次,对每一分量采用随机森林(RF)特征重要度的方法进行特征选择,从风速、风向、温度、空气密度等气象特征因素中,选取对各个分量预测贡献度较高的影响因素组成输入特征向量。然后,建立各分量的CNN-BiGRU预测模型,针对神经网络算法参数难调、手动配置参数随机性大的问题,利用ISSA对模型超参数寻优,自适应搜寻最优参数组合。最后,叠加各分量的预测值,得到最终的预测结果。以中国内蒙古某风电场实际数据进行仿真实验,与多种单一及组合预测方法进行对比,结果表明,本文所提方法相比于其他方法具有更高的预测精度,其平均绝对百分比误差值达到2.644 0%;在其他4个数据集上进行的模型准确性及泛化性验证结果显示,模型平均绝对百分比误差值分别为4.385 3%、3.174 9%、1.576 1%和1.358 8%,均保持在5.000 0%以内,证明本文所提方法具有较好的预测精度及泛化能力。 展开更多
关键词 短期风功率预测 变分模态分解 特征选择 改进麻雀搜索算法 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于ResCNN-BiGRU的四川方言语音识别 被引量:4
12
作者 谢金洪 魏霞 《现代电子技术》 北大核心 2024年第1期89-93,共5页
由于基于深度卷积神经网络的语音识别模型中缺乏对特定方言音素特征的提取能力,造成方言发音底层特征部分信息丢失,进而导致方言识别准确率不高、鲁棒性差等问题。针对上述问题,提出一种结合残差网络(RestNet)和双向门控循环网络(BiGRU... 由于基于深度卷积神经网络的语音识别模型中缺乏对特定方言音素特征的提取能力,造成方言发音底层特征部分信息丢失,进而导致方言识别准确率不高、鲁棒性差等问题。针对上述问题,提出一种结合残差网络(RestNet)和双向门控循环网络(BiGRU)的模型,该模型以GFCC特征图为输入,同时在残差网络中设计多尺度卷积模块,通过不同大小的卷积核提取特征,然后使用双向门控循环网络捕捉序列数据中的长期依赖关系,最后采用连接时序分类算法进行标签软对齐,实现四川方言语音识别模型。在四川方言语料库上的实验结果表明,提出的模型识别性能优于现有基准模型。 展开更多
关键词 四川方言 音素特征 双向门控循环网络 多尺度卷积 连接时序分类 标签软对齐
在线阅读 下载PDF
基于BiGRU与胶囊网络的中文新闻标题文本分类
13
作者 黄玉兰 刘瑞安 +2 位作者 胡昕 任超 徐宇辉 《科技创新与应用》 2024年第2期54-58,共5页
为弥补传统胶囊网络在进行文本分类时无法识别文本序列中各单词的重要程度及其之间的依赖关系,该文提出一种融合BiGRU和多头注意力机制的胶囊文本分类模型——BMCapsNet模型。该模型首先使用BiGRU和多头注意力机制对文本进行全局特征获... 为弥补传统胶囊网络在进行文本分类时无法识别文本序列中各单词的重要程度及其之间的依赖关系,该文提出一种融合BiGRU和多头注意力机制的胶囊文本分类模型——BMCapsNet模型。该模型首先使用BiGRU和多头注意力机制对文本进行全局特征获取,然后利用胶囊网络提取更深层次的语义信息并通过胶囊预测进行文本分类。将其应用于中文新闻标题文本分类任务,在THUCNews新闻标题数据集和今日头条新闻标题数据集上证明模型的有效性。 展开更多
关键词 bigru BMCapsNet 多头注意力机制 中文新闻标题 文本分类
在线阅读 下载PDF
基于CNN BiGRU RF模型的TBM掘进参数预测研究
14
作者 王海宾 王永涛 +3 位作者 陈黎涵 侯正涛 刘江 丁自伟 《中国煤炭》 北大核心 2024年第9期80-91,共12页
作为井下巷道掘进的新工法,全断面隧道掘进机(TBM)有显著的经济效益,对TBM的掘进参数进行预测对于确保TBM的掘进效率具有重要意义。对现场获取的TBM数据进行清洗和预处理,利用皮尔逊相关系数法对模型输入特征进行筛选,并构建基于卷积神... 作为井下巷道掘进的新工法,全断面隧道掘进机(TBM)有显著的经济效益,对TBM的掘进参数进行预测对于确保TBM的掘进效率具有重要意义。对现场获取的TBM数据进行清洗和预处理,利用皮尔逊相关系数法对模型输入特征进行筛选,并构建基于卷积神经网络(CNN)优化的双向门控循环单元(BiGRU)神经网络并通过随机森林(RF)进行集成的TBM掘进参数预测模型,实现对TBM掘进参数的预测。研究结果表明:选取与总推力和推进速率关联度最密切的刀盘转速、刀盘扭矩和贯入度作为特征参数;构建的CNN BiGRU RF模型预测掘进参数对总推力和推进速率的拟合优度R 2均值分别为0.950和0.966,均方误差MSE平均值分别为0.750和0.782,均方根误差RMSE平均值分别为0.866和0.885,平均绝对误差MAE平均值分别为1.054和1.007,并且回归评价指标MSE、RMSE、MAE相较于CNN BiGRU模型,分别降低2.497、0.966和0.386,R 2提升23.4%,证明CNN BiGRU RF模型的预测准确度和泛化性最高。该研究可为实际工程掘进参数预测提供指导,有助于推动TBM在煤矿的推广,保障TBM的施工进度。 展开更多
关键词 CNN bigru RF模型 TBM掘进参数 皮尔逊相关系数法 卷积神经网络 双向门控循环单元神经网络 随机森林 时间序列预测
在线阅读 下载PDF
基于ERNIE-BiGRU-CRF模型的煤矿安全隐患命名实体智能识别研究 被引量:1
15
作者 刘飞翔 李泽荃 +1 位作者 赵嘉良 李靖 《煤炭工程》 北大核心 2024年第2期206-212,共7页
为充分挖掘煤矿安全隐患文本关键知识,帮助煤矿企业安全管理人员更好的开展隐患排查治理工作,提出一种基于预训练语言模型的命名实体识别方法。首先定义煤矿安全隐患实体类别,并采用BIO标注策略构建了7个实体类别和15个实体标签;然后将... 为充分挖掘煤矿安全隐患文本关键知识,帮助煤矿企业安全管理人员更好的开展隐患排查治理工作,提出一种基于预训练语言模型的命名实体识别方法。首先定义煤矿安全隐患实体类别,并采用BIO标注策略构建了7个实体类别和15个实体标签;然后将收集到的煤矿隐患排查数据进行预处理,由煤矿安全领域专家人工标注相关实体,得到1500条煤矿安全隐患命名实体标准数据集;最后采用ERNIE预训练模型对煤矿安全隐患文本词向量进行表征、同时利用BiGRU结构进行上下文语义特征提取以及CRF模型进行实体标签解码,完成煤矿安全隐患命名实体识别研究。实验结果表明:ERNIE-BiGRU-CRF模型在序列标注任务上的精确率、召回率和F1值分别为56.69%、69.23%和62.34%,较于BiLSTM-CRF基线模型分别提高了6.85%、13.74%和9.83%,并且实体抽取结果与实际标注结果相差不大。另外,消融实验也验证了BiGRU层能够更好的捕捉煤矿安全隐患文本上下文语义依赖关系以及CRF层能够进一步优化标签序列的有效性。 展开更多
关键词 煤矿安全隐患 ERNIE-bigru-CRF算法模型 命名实体识别 信息抽取
在线阅读 下载PDF
基于LSTM-Attention和CNN-BiGRU误差修正的光伏功率预测
16
作者 吐松江·卡日 雷柯松 +2 位作者 马小晶 吴现 余凯峰 《太阳能学报》 CSCD 北大核心 2024年第12期85-93,共9页
为有效分析与利用光伏功率预测模型中以特定规律分布的预测误差,提出基于LSTM-Attention和CNN-BiGRU误差修正的光伏功率预测模型。首先,引入注意力机制(Attention)弥补输入序列长时长短期记忆网络(LSTM)难以保留关键信息的不足,建立LSTM... 为有效分析与利用光伏功率预测模型中以特定规律分布的预测误差,提出基于LSTM-Attention和CNN-BiGRU误差修正的光伏功率预测模型。首先,引入注意力机制(Attention)弥补输入序列长时长短期记忆网络(LSTM)难以保留关键信息的不足,建立LSTM-Attention的预测模型对光伏功率进行初步预测。其次,将卷积神经网络(CNN)在非线性特征提取上的优势与双向门控循环单元(BiGRU)在防止多种特征相互干扰的优势相结合,搭建CNN-BiGRU误差预测模型对可能产生的误差进行预测,从而对初步预测结果进行修正。经过实例分析表明:与未经误差修正的预测结果进行对比,经CNN-BiGRU误差预测模型进行误差修正后在不同天气类型中均能有效提高预测精度。 展开更多
关键词 光伏功率预测 深度学习 误差修正 注意力机制 长短期神经网络 双向门控循环单元
在线阅读 下载PDF
基于CEEMDAN-SE-VMD和CNN-BIGRU的短期负荷预测
17
作者 张超 张菁 李洋帆 《电子器件》 CAS 2024年第3期849-857,共9页
针对电力负荷预测的精度较低问题,提出一种基于CEEMDAN-SE-VMD和CNN-BIGRU组合模型的负荷预测方法。首先该模型采用自适应噪声的完全经验模态分解(CEEMDAN)处理成分复杂的原始负荷数据,经过分解后得到若干个包含不同频率成分的本征模函... 针对电力负荷预测的精度较低问题,提出一种基于CEEMDAN-SE-VMD和CNN-BIGRU组合模型的负荷预测方法。首先该模型采用自适应噪声的完全经验模态分解(CEEMDAN)处理成分复杂的原始负荷数据,经过分解后得到若干个包含不同频率成分的本征模函数(IMF)。再利用样本熵(SE)对分解后不同频率的本征模函数进行熵值聚类重组。然后,利用变分模态分解(VMD)对重组后的高频序列进行二次分解,将二次分解后得到的子序列和样本熵重组的低频序列和趋势序列数据输入卷积神经网络(CNN)网络,利用其来提取反映负荷序列复杂相关的高位特征向量。最后,再输入到双向门控循环单元(BIGRU)网络中进行预测,得到各子序列的预测结果,叠加得到最终的负荷序列预测结果。通过横向和纵向实验结果对比,证明所提出的模型能够较好地提升电力负荷预测精度。 展开更多
关键词 CEEMDAN 二次分解 样本熵 卷积神经网络 双向门控循环单元
在线阅读 下载PDF
基于CNN与BiGRU融合的无线传感器网络数据聚合方法 被引量:2
18
作者 任金金 任敬敏 +1 位作者 王淑芳 赵慧芳 《长江信息通信》 2024年第2期114-116,共3页
由于缺乏对无线传感器网络数据特征的综合分析,导致数据聚合延迟偏高,为此,提出基于CNN与BiGRU融合的无线传感器网络数据聚合方法研究。引入了CNN实现对无线传感器网络数据全局以及结构特征的提取,其中,CNN的两个特征提取分支分别对原... 由于缺乏对无线传感器网络数据特征的综合分析,导致数据聚合延迟偏高,为此,提出基于CNN与BiGRU融合的无线传感器网络数据聚合方法研究。引入了CNN实现对无线传感器网络数据全局以及结构特征的提取,其中,CNN的两个特征提取分支分别对原始数据的全局状态和信息结构进行特征提取。在对长短期记忆网络(LSTM)进行改进的基础上,将门控循环单元网络—BiGRU引入到无线传感器网络数据的聚合研究中,利用前向GRU网络,和后向GRU网络对接无线传感器网络数据特征,实现对数据的有效聚合。在测试结果中,设计方法对于不同规模无线传感器网络数据的聚合延迟稳定在6.5s以内,处于较低水平。 展开更多
关键词 CNN与bigru融合 无线传感器网络数据 数据聚合 特征提取 前向GRU网络 后向GRU网络
在线阅读 下载PDF
基于EWT-CNN-BiGRU的多特征电力负荷预测模型
19
作者 保富 孙梦觉 +1 位作者 邓安明 周植高 《科技创新与应用》 2024年第7期35-40,共6页
针对目前多特征预测模型在短期电力负荷数据上精度不足的问题,提出一种基于经验小波变换(EWT)的卷积神经网络(CNN)融合双向门控循环单元(Bi GRU)预测模型。首先,从多维时序数据中提取强关联性特征,其次,对选定特征进行经验小波变换,将... 针对目前多特征预测模型在短期电力负荷数据上精度不足的问题,提出一种基于经验小波变换(EWT)的卷积神经网络(CNN)融合双向门控循环单元(Bi GRU)预测模型。首先,从多维时序数据中提取强关联性特征,其次,对选定特征进行经验小波变换,将时序数据映射至频域以获取子序列,最后,通过卷积神经网络和双向门控循环单元融合模型实现对电力负荷数据的预测。该预测模型使用德国某联合循环电厂的时序数据进行实验验证。结果表明,该预测模型获得99.463%的拟合优度,具有较好的预测效果。 展开更多
关键词 电力负荷预测 经验小波变换 卷积神经网络 双向门控循环单元 预测模型
在线阅读 下载PDF
高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型
20
作者 韩晓 陈昕 肇毓 《交通科技与经济》 2024年第1期17-23,共7页
为提前准确预知高速公路施工控制区交通流变化趋势,解决交通流时间序列中的长期依赖问题,文中建立了高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型。首先,将预处理后的动态交通流数据集按时间步长顺序输入到LSTM网络,对... 为提前准确预知高速公路施工控制区交通流变化趋势,解决交通流时间序列中的长期依赖问题,文中建立了高速公路施工控制区动态交通流预测的LSTM-BiGRU-Attention模型。首先,将预处理后的动态交通流数据集按时间步长顺序输入到LSTM网络,对交通流信息建模和学习。然后,引入BiGRU和Attention机制以更好地捕捉上下文信息和提供更具针对性的权重分配。最后,将构建的LSTM-BiGRU-Attention模型与其他模型进行交通流预测对比,评估模型性能。实验以G35济广高速公路某施工控制区交通运行情况为案例进行研究,结果显示该模型的平均绝对误差MAE为1.91,均方根误差RMSE为2.83,决定系数R^(2)为0.79,平均绝对百分数误差MAPE为3.23。对比其他模型,LSTM-BiGRU-Attention模型的4个评估指标均有所下降,说明该模型可为高速公路施工控制区提供更加精准的预测。 展开更多
关键词 交通管理与控制 交通流预测 LSTM-bigru-Attention模型 动态交通流 实验对比
在线阅读 下载PDF
上一页 1 2 250 下一页 到第
使用帮助 返回顶部