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
新疆达坂城风区顺风向脉动风功率谱
1
作者
王逸豪
赵锐
+2 位作者
淡丹辉
奉泽华
冯磊
《科学技术与工程》
北大核心
2024年第3期1161-1169,共9页
为研究新疆乌鲁木齐所处达坂城风区的复杂脉动风环境,基于实测风场风速数据分析并拟合了该风区的顺风向脉动风功率谱。结果表明:以反比例函数拟合山区峡谷地形平均风速与湍流强度的关系误差较小;山区峡谷地形湍流积分尺度分布较离散,但...
为研究新疆乌鲁木齐所处达坂城风区的复杂脉动风环境,基于实测风场风速数据分析并拟合了该风区的顺风向脉动风功率谱。结果表明:以反比例函数拟合山区峡谷地形平均风速与湍流强度的关系误差较小;山区峡谷地形湍流积分尺度分布较离散,但整体随平均风速的增大而增大;考虑地形系数的Kaimal修正谱在含能区和惯性子区间能较好地表征实测谱,在耗能区选用三参数拟合描述实测谱效果良好;选用过渡函数来描述惯性子区间与耗能区接触区域的功率谱,拟合效果较为理想。可见达坂城风区具有特殊顺风向脉动风特性,以修正谱和拟合谱分段构成的函数模型可用于表征该风区顺风向脉动风功率谱。
展开更多
关键词
顺风向脉动风
湍流强度
湍流积分尺度
风功率谱密度
风谱拟合
在线阅读
下载PDF
职称材料
基于优化算法的CNN-BiLSTM-attention的月径流量预测
被引量：
15
2
作者
朱豪
胡圆昭
+2 位作者
尹明财
贾慧
张济世
《人民长江》
北大核心
2023年第12期96-104,共9页
为有效提取径流时间序列的信息特征,提高径流预测模型的高维非线性拟合能力和预测性能的稳定性,将卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(attention)相结合,构建了CNN-BiLSTM-attention的径流组合模型。以长江流...
为有效提取径流时间序列的信息特征,提高径流预测模型的高维非线性拟合能力和预测性能的稳定性,将卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(attention)相结合,构建了CNN-BiLSTM-attention的径流组合模型。以长江流域中游汉口站径流量数据进行模拟验证,对比分析BiLSTM,CNN,BiLSTM-attention,CNN-BiLSTM和CNN-BiLSTM-attention 5种径流预测模型模拟月径流的误差特征,利用FA-SSA,GWO和BAO 3种优化算法分别对CNN-BiLSTM-attention组合模型的卷积核个数、BiLSTM隐藏层神经元个数、全连接隐藏层神经元个数、dropout层、批量大小和学习速率6个超参数优化,探究3种优化算法对CNN-BiLSTM-attention月径流预测性能的影响。结果表明:BiLSTM-attention预测误差最大,BiLSTM次之,CNN-BiLSTM-attention组合模型整体预测精度最高;CNN-BiLSTM-attention径流组合模型能有效捕获关键信息和掌握径流时序变化规律,预测径流值与实际值能够较好吻合;FA-SSA优化算法优于GWO和BAO,更能优化CNN-BILSTM-attention的超参数值,并进一步提高该模型的预测精度。
展开更多
关键词
径流量时间序列
卷积神经网络
双向长短期记忆网络
注意力机制
萤火虫改进的麻雀搜索算法
在线阅读
下载PDF
职称材料
题名
新疆达坂城风区顺风向脉动风功率谱
1
作者
王逸豪
赵锐
淡丹辉
奉泽华
冯磊
机构
新疆
大学
建筑工程
学院
新疆
建筑
结构与抗震重点实验室
同济大学桥梁
工程
系
中建
铁路投资建设
集团
有限公司
中建新疆建工集团第一建筑工程有限公司
出处
《科学技术与工程》
北大核心
2024年第3期1161-1169,共9页
基金
新疆大学天山学者特聘教授科研启动基金(620312327)。
文摘
为研究新疆乌鲁木齐所处达坂城风区的复杂脉动风环境,基于实测风场风速数据分析并拟合了该风区的顺风向脉动风功率谱。结果表明:以反比例函数拟合山区峡谷地形平均风速与湍流强度的关系误差较小;山区峡谷地形湍流积分尺度分布较离散,但整体随平均风速的增大而增大;考虑地形系数的Kaimal修正谱在含能区和惯性子区间能较好地表征实测谱,在耗能区选用三参数拟合描述实测谱效果良好;选用过渡函数来描述惯性子区间与耗能区接触区域的功率谱,拟合效果较为理想。可见达坂城风区具有特殊顺风向脉动风特性,以修正谱和拟合谱分段构成的函数模型可用于表征该风区顺风向脉动风功率谱。
关键词
顺风向脉动风
湍流强度
湍流积分尺度
风功率谱密度
风谱拟合
Keywords
downwind fluctuating wind
turbulence intensity
turbulence integral scale
wind power spectral density
wind spectrum fitting
分类号
TU205 [建筑科学—建筑设计及理论]
在线阅读
下载PDF
职称材料
题名
基于优化算法的CNN-BiLSTM-attention的月径流量预测
被引量：
15
2
作者
朱豪
胡圆昭
尹明财
贾慧
张济世
机构
兰州交通大学环境与市政
工程
学院
中建新疆建工集团第一建筑工程有限公司
出处
《人民长江》
北大核心
2023年第12期96-104,共9页
基金
国家自然科学基金重大项目(41690141)
国家自然科学基金面上项目(41671029)。
文摘
为有效提取径流时间序列的信息特征,提高径流预测模型的高维非线性拟合能力和预测性能的稳定性,将卷积神经网络(CNN)、双向长短期记忆网络(BiLSTM)和注意力机制(attention)相结合,构建了CNN-BiLSTM-attention的径流组合模型。以长江流域中游汉口站径流量数据进行模拟验证,对比分析BiLSTM,CNN,BiLSTM-attention,CNN-BiLSTM和CNN-BiLSTM-attention 5种径流预测模型模拟月径流的误差特征,利用FA-SSA,GWO和BAO 3种优化算法分别对CNN-BiLSTM-attention组合模型的卷积核个数、BiLSTM隐藏层神经元个数、全连接隐藏层神经元个数、dropout层、批量大小和学习速率6个超参数优化,探究3种优化算法对CNN-BiLSTM-attention月径流预测性能的影响。结果表明:BiLSTM-attention预测误差最大,BiLSTM次之,CNN-BiLSTM-attention组合模型整体预测精度最高;CNN-BiLSTM-attention径流组合模型能有效捕获关键信息和掌握径流时序变化规律,预测径流值与实际值能够较好吻合;FA-SSA优化算法优于GWO和BAO,更能优化CNN-BILSTM-attention的超参数值,并进一步提高该模型的预测精度。
关键词
径流量时间序列
卷积神经网络
双向长短期记忆网络
注意力机制
萤火虫改进的麻雀搜索算法
Keywords
runoff time series
convolutional neural network
BiLSTM
attention mechanism
sparrow search algorithm with firefly perturbation
分类号
P333 [天文地球—水文科学]
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
新疆达坂城风区顺风向脉动风功率谱
王逸豪
赵锐
淡丹辉
奉泽华
冯磊
《科学技术与工程》
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于优化算法的CNN-BiLSTM-attention的月径流量预测
朱豪
胡圆昭
尹明财
贾慧
张济世
《人民长江》
北大核心
2023
15
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
