-
题名多特征嵌入的Seq2Seq风速预测模型
被引量：3
- 1
-
-
作者
杜宝祥
李永利
马志强
王洪彬
张立
-
机构
内蒙古工业大学数据科学与应用学院
内蒙古自治区气象局内蒙古自治区气象信息中心
内蒙古工业大学内蒙古自治区基于大数据的软件服务工程技术研究中心
-
出处
《计算机工程与设计》
北大核心
2021年第7期2061-2068,共8页
-
基金
国家自然科学基金项目(61762070、61862048)
内蒙古自治区自然科学基金项目(2019MS06004)。
-
文摘
针对由于风速变化因素复杂导致的风速预测模型准确率低的问题,提出一种多特征嵌入的Seq2Seq(序列到序列)风速预测模型。以Seq2Seq为基础,将影响风速的多种因素数据进行多特征嵌入编码,实现对未来若干个小时风速的预测。通过准确率、预测评分和平均绝对误差等指标的实验评价,验证Seq2Seq模型相比当前最优模型达到了更好的预测稳定性,风速多特征嵌入编码方法的加入显著提高了Seq2Seq模型的预测准确性。实验结果验证了该模型的有效性。
-
关键词
风速预测
序列到序列
多特征嵌入
准确率
预测评分
平均绝对误差
-
Keywords
wind speed prediction
Seq2Seq
multi-feature embedding
accuracy
prediction score
mean absolute error
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于残差网络的风向自记图识别方法
被引量：1
- 2
-
-
作者
陈艳
李永利
马志强
王洪彬
张立
-
机构
内蒙古工业大学数据科学与应用学院
内蒙古自治区气象局
内蒙古工业大学
-
出处
《计算机工程与设计》
北大核心
2021年第8期2373-2380,共8页
-
基金
国家自然科学基金项目(61762070、61862048)
内蒙古自治区自然科学基金项目(2019MS06004)。
-
文摘
鉴于气象资料风向自记图中存在背景文字干扰和特征所在区域固定等特点,导致卷积神经网络只考虑风向自记图局部近邻特征的问题,使卷积神经网络不能准确识别风向自记图。针对上述存在问题,提出残差网络和自注意力机制相结合的风向自记图识别模型。采用一维和二维风向自记图作为输入数据,通过残差网络进行风向自记图特征提取,引入自注意力机制对特征赋予不同的权重,增强风向自记图分类特征并抑制背景特征。实验结果表明,使用上述方法能有效增加特征信息区分度,风向识别准确率可达76.34%。对比实验结果表明,模型在风向识别准确率方面优于其它风向识别模型。
-
关键词
残差网络
自注意力机制
风向自记图
风向识别
准确率
-
Keywords
residual network
self-attention mechanism
wind direction self-graph
wind direction recognition
accuracy
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
