期刊文献+
共找到316篇文章
< 1 2 16 >
每页显示 20 50 100
基于CNN-GRU模型的USV运动姿态多步预测方法
1
作者 宋大雷 黄希妍 +3 位作者 李康 傅敏龙 罗晔 陈溟 《舰船科学技术》 北大核心 2024年第13期132-136,共5页
针对单一模型在预测无人水面艇(Unmanned Surface Vessel,USV)运动姿态时精度不高的问题,提出一种基于卷积神经网络(CNN)和门控循环单元(GRU)的USV姿态多步预测模型。首先,使用滑动窗口法构造运动姿态数据集作为模型输入;然后,使用CNN... 针对单一模型在预测无人水面艇(Unmanned Surface Vessel,USV)运动姿态时精度不高的问题,提出一种基于卷积神经网络(CNN)和门控循环单元(GRU)的USV姿态多步预测模型。首先,使用滑动窗口法构造运动姿态数据集作为模型输入;然后,使用CNN模块挖掘时序数据的局部特征;最后,使用GRU模型进行多步预测。使用实测USV运动姿态数据进行预测实验,实验结果表明,该模型比XGBoost模型、单一LSTM模型和单一GRU模型具有更高的预测精度,各项评价指标表现更佳,具有重要的应用价值。 展开更多
关键词 无人水面艇 运动姿态 多步预测 CNN GRU
下载PDF
基于灰狼算法和极限学习机的风速多步预测 被引量:2
2
作者 张文煜 马可可 +2 位作者 郭振海 赵晶 邱文智 《郑州大学学报(工学版)》 CAS 北大核心 2024年第2期89-96,共8页
为了提高风速的多步预测水平,提出了一种基于数据信号分解和灰狼算法优化极限学习机的混合预测模型。首先,使用具有自适应噪声的完全集成经验模态分解算法将原始风速时间序列分解为若干本征模态函数和一个残差序列,并使用偏自相关函数... 为了提高风速的多步预测水平,提出了一种基于数据信号分解和灰狼算法优化极限学习机的混合预测模型。首先,使用具有自适应噪声的完全集成经验模态分解算法将原始风速时间序列分解为若干本征模态函数和一个残差序列,并使用偏自相关函数法对模型输入进行特征选择;其次,在分解子序列上分别建立模型并进行预测,构造多输入多输出策略的极限学习机神经网络,使用灰狼优化算法求解其中的最优化隐含层权值和偏置;最后,对子序列进行重构并得到最终的预测结果。使用时间分辨率为15 min的多组实测资料开展模拟实验,所提模型在3个风电场的均方根误差分别为0.859、0.925、0.927 m/s,均低于其他对比模型,验证了该模型在未来4 h风速预测即16步预测中的有效性。 展开更多
关键词 风速预测 多步预测 信号分解 特征选择 灰狼优化算法 极限学习机
下载PDF
变压器油中乙炔门控循环单元网络多步预测超参数优化方法 被引量:1
3
作者 赵军 高树国 +4 位作者 何瑞东 相晨萌 芮逸凡 王亚林 尹毅 《高压电器》 CAS CSCD 北大核心 2024年第7期163-172,190,共11页
油中溶解乙炔作为电力变压器中重要的放电程度表征参量之一,对其进行多步预测可以为变压器故障诊断及预警提供重要依据。现有的状态预测模型主要集中于单步预测,对于未来更长时期变化趋势的预测手段不足。此外,基于深度学习的多步预测... 油中溶解乙炔作为电力变压器中重要的放电程度表征参量之一,对其进行多步预测可以为变压器故障诊断及预警提供重要依据。现有的状态预测模型主要集中于单步预测,对于未来更长时期变化趋势的预测手段不足。此外,基于深度学习的多步预测模型的超参数选择大多基于经验和朴素的单一控制变量法,超参数之间的耦合关系没有得到充分的研究。文中提出基于多输出策略的门控循环单元(gated recurrent unit,GRU)神经网络多步预测模型,通过改变模型结构超参数和训练超参数研究超参数之间的耦合关系,使用多目标灰狼优化算法对不同预测结果倾向的GRU模型进行超参数优化。结果表明,GRU模型可以较为准确的对变压器油中乙炔含量进行30天预测,GRU模型的各超参数对输出预测结果的影响规律并不统一且相互影响,一组超参数无法同时达到多目标最优。多目标灰狼优化算法能够根据预测目标的不同,优化选择合适的超参数,为人工智能算法超参数的选取提供参考。 展开更多
关键词 变压器 乙炔 门控循环单元(GRU) 灰狼算法 多步预测
下载PDF
地铁车站深基坑开挖变形智能多步预测方法 被引量:2
4
作者 刘俊城 谭勇 张生杰 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第7期1108-1117,共10页
为更好预测深基坑开挖期间地下连续墙的侧向位移变形,基于长短期记忆神经网络(LSTM)智能算法理论构建了LSTM多步预测模型.首先对多步预测模型的多输出策略进行论述,其次详细介绍了LSTM多步预测模型的构建方法,并对模型输入集空间维度和... 为更好预测深基坑开挖期间地下连续墙的侧向位移变形,基于长短期记忆神经网络(LSTM)智能算法理论构建了LSTM多步预测模型.首先对多步预测模型的多输出策略进行论述,其次详细介绍了LSTM多步预测模型的构建方法,并对模型输入集空间维度和时间维度两项超参数进行探究,以提高模型的预测准确度.最后依托某富水砂土深基坑工程实例,分析了模型预测值与实际监测值的差异.3个典型监测点的数据分析结果表明LSTM多步预测模型具有较强的泛化能力,相关算法对深基坑开挖变形预测方法的改进优化具有参考价值. 展开更多
关键词 基坑工程 开挖变形预测 长短期记忆神经网络智能算法 多步预测模型
下载PDF
DPCA-POA-RF-Informer在多情景光伏多步预测中的应用 被引量:1
5
作者 胡烜彬 纪正森 许晓敏 《智慧电力》 北大核心 2024年第1期8-13,22,共7页
针对光伏发电波动性与不确定性对电力系统稳定产生的影响,对多情景光伏发电功率的多步预测进行研究。首先通过密度峰值算法根据太阳辐射量、温度、湿度等气象数据对天气状况进行精确分类。其次,为了使模型表现出更好的性能,建立了鹈鹕... 针对光伏发电波动性与不确定性对电力系统稳定产生的影响,对多情景光伏发电功率的多步预测进行研究。首先通过密度峰值算法根据太阳辐射量、温度、湿度等气象数据对天气状况进行精确分类。其次,为了使模型表现出更好的性能,建立了鹈鹕算法优化随机森林(POA-RF)的因素筛选特征变量,模型用鹈鹕算法对随机森林的决策树数目和深度两个参数进行寻优,加强了因素筛选的有效性。最后,基于Informer模型对不同天气状况的光伏功率进行多步预测。实例计算结果验证了所提模型预测精准度的有效性与精准性。 展开更多
关键词 光伏功率预测 INFORMER 鹈鹕优化 随机森林 多步预测
下载PDF
基于多视角特征提取与多任务学习的光伏功率多步预测
6
作者 陈殿昊 臧海祥 +3 位作者 刘璟璇 卫志农 孙国强 李鑫鑫 《高电压技术》 EI CAS CSCD 北大核心 2024年第9期3924-3933,I0009-I0012,共14页
准确的光伏功率多步预测结果对于电网的调度优化具有重要指导意义,针对现有光伏功率多步预测方法对历史数据特征提取不充分、忽略多步预测值之间的关联性而导致的预测精度不足等问题,提出了一种基于多视角特征提取与多任务学习的光伏功... 准确的光伏功率多步预测结果对于电网的调度优化具有重要指导意义,针对现有光伏功率多步预测方法对历史数据特征提取不充分、忽略多步预测值之间的关联性而导致的预测精度不足等问题,提出了一种基于多视角特征提取与多任务学习的光伏功率多步预测方法。首先,为获得丰富且全面的特征信息,从时序、局部、全局3个不同的视角对输入数据进行特征提取;其次,将多步光伏功率预测任务转化为多个单步光伏功率预测子任务,使用基于注意力机制与专家网络的多任务学习模型进行多步预测,实现对多步预测值关联性的充分利用;最后,提出了一种改进的动态权重平均法对损失权重进行自适应优化调整,进一步提升模型性能。算例测试结果表明,该方法能够有效提高光伏功率多步预测的准确性。 展开更多
关键词 光伏功率多步预测 多任务学习 特征提取 注意力机制 损失权重优化 深度学习
下载PDF
考虑未来功率需求的锂离子电池SOC多步预测
7
作者 陈瑞 陈俐 《电源技术》 CAS 北大核心 2024年第10期2013-2021,共9页
为提高荷电状态(SOC)多步预测精度,提出了基于长短期记忆(LSTM)的编码器-解码器用于SOC多步预测,在输入中考虑未来电池功率序列,在编码器和解码器上依次提取历史特征序列和未来功率序列的时间依赖信息。以某全电动飞机用锂离子电池包为... 为提高荷电状态(SOC)多步预测精度,提出了基于长短期记忆(LSTM)的编码器-解码器用于SOC多步预测,在输入中考虑未来电池功率序列,在编码器和解码器上依次提取历史特征序列和未来功率序列的时间依赖信息。以某全电动飞机用锂离子电池包为应用案例,采集电池实验平台测试数据构建训练集和测试集,通过五折交叉验证选择模型的超参数。预测时长为300 s时,平均绝对误差、最大绝对误差和均方根误差分别为0.4231%、2.4847%和0.6450%。与没有输入未来功率的SOC多步预测模型进行对比,验证了在输入中增加未来功率能有效提高预测精度,与同样输入所有特征的多层感知机进行对比,验证了LSTM编码器-解码器具有更好的预测性能。 展开更多
关键词 锂离子电池 SOC多步预测 长短期记忆 编码器-解码器 未来功率序列
下载PDF
基于MIC-EEMD-改进Informer的含高比例清洁能源与储能的电力市场短期电价多步预测 被引量:2
8
作者 许越 李强 崔晖 《电网技术》 EI CSCD 北大核心 2024年第3期949-957,共9页
随着电力现货市场的开展,短期电价预测对于各市场主体的决策有着重要意义,而高比例清洁能源与储能的不断接入给短期电价预测带来很大挑战。提出一种基于最大信息系数法(maximum information coefficient,MIC)、集成经验模态分解(ensembl... 随着电力现货市场的开展,短期电价预测对于各市场主体的决策有着重要意义,而高比例清洁能源与储能的不断接入给短期电价预测带来很大挑战。提出一种基于最大信息系数法(maximum information coefficient,MIC)、集成经验模态分解(ensemble empirical mode decomposition,EEMD)和改进Informer的短期电价多步预测模型。首先,采用MIC分析出与电价相关性较高的几类因素作为模型原始输入序列;然后,将上述原始序列进行EEMD分解后得到多条本征模函数(intrinsic mode function,IMF)和一个残余项后输入改进Informer分别得到翌日24点多步预测结果,再对预测结果进行滤波;最后,将滤波后序列的预测结果叠加得到最终的预测值。以西班牙电力市场数据进行验证,实验结果证明该模型可以有效提高电力市场短期电价多步预测精度。 展开更多
关键词 高比例清洁能源 短期电价多步预测 最大信息系数 集成经验模态分解 改进Informer
下载PDF
基于机-岩状态识别和融合注意力的盾构姿态多步预测
9
作者 熊栋栋 刘哲 许超 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第9期3809-3821,共13页
为准确预测未来多个时刻的盾构姿态,帮助盾构操作人员提前识别盾构姿态变化趋势,以进行早期决策,提出基于机-岩状态识别和融合多尺度的特征-时域注意力机制的知识-数据双驱动盾构掘进姿态多步预测方法。引入实时反映机-岩工作状态关系... 为准确预测未来多个时刻的盾构姿态,帮助盾构操作人员提前识别盾构姿态变化趋势,以进行早期决策,提出基于机-岩状态识别和融合多尺度的特征-时域注意力机制的知识-数据双驱动盾构掘进姿态多步预测方法。引入实时反映机-岩工作状态关系的场切入指标FPI、单位贯入度的刀盘扭矩指标TPI、分区可掘性指标FPIR、螺旋机性能指标STP等复合参数指标,作为模型的输入特征参数,并构建以GRU为基础单元的Encoder-Decoder网络结构。在特征维度上,采用融合多尺度一维卷积的特征注意力机制,自适应捕捉不同层次、不同尺度的盾构掘进参数特征;时间维度上,在解码器中引入时域注意力机制,充分挖掘盾构掘进数据中的长期历史信息和短期输入输出序列的隐藏依赖关系。广州地铁12号线盾构掘进历史数据的模型测试结果分析表明,该预测方法在不增加网络复杂性的前提下,既缓解了算法自身在寻优、迭代和匹配时产生的可解释性差、效率低等问题,又大幅提升模型的特征提取、时间序列的相关性捕获及长期趋势挖掘的能力,实现盾构掘进姿态的精准多步预测,其性能明显优于门控循环神经网络LSTM、GRU及其经典组合模型GRU-SelfAttention、GRU-MultiheadAttention等。研究结果为进一步完善盾构掘进姿态预测方法、提升盾构掘进姿态优化控制水平提供参考。 展开更多
关键词 盾构 盾构姿态 多步预测 复合参数指标 一维卷积 特征注意力 时域注意力
下载PDF
基于信息调控和MATCN的超短期风电功率多步预测
10
作者 陈磊 黄凯阳 +3 位作者 张怡 陈禹 张志瑞 尹振楠 《现代电子技术》 北大核心 2024年第18期1-7,共7页
对波动的风电功率进行有效预测,是电网供需平衡、系统稳定运行的重要保障。为此,提出一种基于信息调控和MATCN的超短期风电功率多步预测方法。利用现有数据衍生出高阶项与交互项,提升特征序列数量与有效特征占比。针对复杂的风电数据结... 对波动的风电功率进行有效预测,是电网供需平衡、系统稳定运行的重要保障。为此,提出一种基于信息调控和MATCN的超短期风电功率多步预测方法。利用现有数据衍生出高阶项与交互项,提升特征序列数量与有效特征占比。针对复杂的风电数据结构,使用变分模态分解(VMD)将其拆分,根据子序列相关性和方差贡献率的计算结果保留重要序列分量,其余分量进行聚合,降低计算负担,缩短训练时间。随后,引入注意力机制构造多头注意力时间卷积网络(MATCN),通过注意力得分调整网络内部卷积单元之间的传递信息,实现模型对各序列分量的预测。最后,重构序列分量预测值,得到最终的输出结果。在实例数据上对所提模型进行对比验证,结果表明,该模型在不同步幅下均具有较好的预测效果。 展开更多
关键词 风电功率 多步预测 变分模态分解 多头注意力时间卷积网络 注意力机制 信息调控
下载PDF
连锁超市零售商品销量的多步预测研究
11
作者 李浩茹 陈晓阳 《商业观察》 2024年第8期76-80,共5页
文章通过分析连锁超市部分商品的销售特征,采取传统时间序列法、神经网络模型(ANN)两类基础方法对较有代表性的销售数据序列进行预测。文章将对原有的直接多步(Direct Multi-Step Ahead,DMSA)预测思路进行改进,采用改进的直接多步预测... 文章通过分析连锁超市部分商品的销售特征,采取传统时间序列法、神经网络模型(ANN)两类基础方法对较有代表性的销售数据序列进行预测。文章将对原有的直接多步(Direct Multi-Step Ahead,DMSA)预测思路进行改进,采用改进的直接多步预测法对销量进行三步超前预测和五步超前预测,并将结果与采用DMSA、间接多步预测(Recursive Multi-Step Ahead,RMSA)和可变时间尺度法(Variable Time Scale,VTS)的实验结果进行对比,发现改进的直接多步预测法的预测精度有了一定的提升。 展开更多
关键词 零售 直接多步预测 神经网络 时间序列
下载PDF
基于支持向量回归模型的混沌系统多步预测
12
作者 赵晓乐 侯文涛 《江苏理工学院学报》 2024年第4期119-125,共7页
混沌时间序列具有不可预测性和类随机性等特性,会导致混沌时间序列的多步预测及其困难。文章探讨了基于支持向量回归模型的混沌时间序列递归多步预测理论及应用。首先,介绍了支持向量回归模型和混沌时间序列递归多步预测理论;然后,将该... 混沌时间序列具有不可预测性和类随机性等特性,会导致混沌时间序列的多步预测及其困难。文章探讨了基于支持向量回归模型的混沌时间序列递归多步预测理论及应用。首先,介绍了支持向量回归模型和混沌时间序列递归多步预测理论;然后,将该理论分别应用于Logistic Map和太阳黑子混沌时间序列,并进行实证分析。结果表明,受累积误差的影响,预测步数越多,均方误差和归一化均方误差均越大,而R 2越小。Logistic Map递归可预测步数大概是14步,太阳黑子递归可预测步数大概是6步;最后,对后续的研究工作提出了几点思考意见。 展开更多
关键词 混沌时间序列 支持向量回归 多步预测
下载PDF
基于Bi-LSTM模型的短时交通量多步预测研究
13
作者 向鸿锐 阮泽宇 +3 位作者 曹微 肖亚琪 寇笑天 李永翔 《交通技术》 2024年第3期141-152,共12页
多数短时交通量的预测研究仅集中在单步预测上,并且预测时长不足,为使得交通管理与控制等措施发挥更好的效果,提高短时交通量多步预测精度,最大限度提高交通管理决策和出行决策合理性,本文提出一种基于Bi-LSTM模型进行短时交通量多步预... 多数短时交通量的预测研究仅集中在单步预测上,并且预测时长不足,为使得交通管理与控制等措施发挥更好的效果,提高短时交通量多步预测精度,最大限度提高交通管理决策和出行决策合理性,本文提出一种基于Bi-LSTM模型进行短时交通量多步预测。首先利用Bi-LSTM模型进行单步预测,将得到的预测值与原始值替换,通过递归迭代进行五步的多步长预测。根据本文研究结果表明:Bi-LSTM模型在多步预测中具有一定优势,相比于ARIMA模型和BP神经网络模型,其平均多步RMSE、MAE、MAPE、RMSRE分别降低了11.1085和9.4134、9.7884和7.2474、26.52%和14.91%、25.01%和14.95%。最后得出,Bi-LSTM在交通量多步预测上具有较大优势。 展开更多
关键词 短时交通量多步预测 双向长短时记忆网络 Bi-LSTM
下载PDF
VMD-PSO-LSTM模型的日径流多步预测 被引量:6
14
作者 王秀杰 王玲 +3 位作者 滕振敏 田福昌 袁佩贤 苑希民 《水利水运工程学报》 CSCD 北大核心 2023年第4期81-90,共10页
为了弱化径流时间序列的非线性和非平稳性,提高不同预见期的日径流预测精度,提出了一种新的VMD-PSO-LSTM多步预测组合模型。首先采用变分模态分解(VMD)方法将原始日径流序列分解为子序列,通过粒子群优化算法(PSO)对长短期记忆(LSTM)模... 为了弱化径流时间序列的非线性和非平稳性,提高不同预见期的日径流预测精度,提出了一种新的VMD-PSO-LSTM多步预测组合模型。首先采用变分模态分解(VMD)方法将原始日径流序列分解为子序列,通过粒子群优化算法(PSO)对长短期记忆(LSTM)模型参数进行优化,对各子序列建立PSO-LSTM模型,各分量的预测值重构集成预测结果。将VMD-PSO-LSTM模型应用于黄河下游花园口和利津站的日径流多步预测,采用Nash sutcliffe效率系数(ENS)、相关系数(R)和均方根误差(ERMS)3个定量评价指标对模型预测结果进行评价。结果表明:在预见期为1、2、3 d的情况下,两个测站的Nash sutcliffe效率系数和相关系数均在0.90以上。与CEEMD-PSO-LSTM和PSO-LSTM模型的预测结果对比表明,该模型能够有效提高日径流多步预测精度,是一种高效稳定的径流预报模型。 展开更多
关键词 非平稳序列 日径流多步预测 长短期记忆模型 变分模态分解方法
下载PDF
基于集合经验模态分解和编码器-解码器的风电功率多步预测 被引量:5
15
作者 张思毅 刘明波 +2 位作者 雷振兴 林舜江 谢敏 《南方电网技术》 CSCD 北大核心 2023年第4期16-24,共9页
准确的风电功率预测对于推动风电大规模并网具有积极意义,现有的研究多集中于超短期范围内的单步预测。为了实现更加贴近工程应用实际的风电功率多步预测,提出了一种基于集合经验模态分解和编码器-解码器的风电功率多步预测方法。首先采... 准确的风电功率预测对于推动风电大规模并网具有积极意义,现有的研究多集中于超短期范围内的单步预测。为了实现更加贴近工程应用实际的风电功率多步预测,提出了一种基于集合经验模态分解和编码器-解码器的风电功率多步预测方法。首先采用k均值聚类算法对风电机组进行聚类,然后引入集合经验模态分解算法对机组群功率序列进行分解,从而提取风电场功率的时空分布特征,通过预先搭建的基于门控循环单元的编码器-解码器预测网络实现风电功率的超前多步预测,最后将各预测值重构获得风电场总功率的预测值。利用某风电场的真实数据进行算例分析,结果表明所提算法在超前1~6 h不同应用场景下的预测性能均优于其他传统模型,预测准确度提升了6.45%~13.56%。 展开更多
关键词 风电功率预测 编码器-解码器 门控循环单元 集合经验模态分解 多步预测
下载PDF
基于机器学习的锂离子电池荷电状态多步预测 被引量:2
16
作者 于秋月 刘江岩 +3 位作者 何林 张青 谢翌 李夔宁 《汽车工程学报》 2023年第4期586-596,共11页
先进电池管理技术依赖于对未来一段时间荷电状态变化的预测,难点在于误差积累和时间依赖性降低引起的预测精度下降。提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度,利用实际锂电池数据研究了不同多步预测策略的效果。结... 先进电池管理技术依赖于对未来一段时间荷电状态变化的预测,难点在于误差积累和时间依赖性降低引起的预测精度下降。提出采用机器学习结合多步预测策略来提升荷电状态多步预测精度,利用实际锂电池数据研究了不同多步预测策略的效果。结果表明,实际锂电池荷电状态预测在充电过程中具有显著线性特性,放电过程表现出非线性特性。预测步长为15个时,LR模型、KNN模型、RF模型的MAPE均低于6%,R^(2)均大于0.90。线性回归结合MIMO策略具有最大的实际应用潜力。 展开更多
关键词 锂离子电池 荷电状态 机器学习 多步预测
下载PDF
基于WPD-AHA-ELM模型的水质时间序列多步预测 被引量:14
17
作者 崔东文 袁树堂 《三峡大学学报(自然科学版)》 CAS 2023年第1期6-13,共8页
根据水质时间序列多尺度、非平稳特性,并基于“分解-预测-重构”思想,提出小波包分解(WPD)-人工蜂鸟算法(AHA)-极限学习机(ELM)组合多步预测模型,并应用于云南省昆明西苑隧道断面pH值、CODmn、DO、NH_(3)-N多步预测.首先介绍AHA原理,在... 根据水质时间序列多尺度、非平稳特性,并基于“分解-预测-重构”思想,提出小波包分解(WPD)-人工蜂鸟算法(AHA)-极限学习机(ELM)组合多步预测模型,并应用于云南省昆明西苑隧道断面pH值、CODmn、DO、NH_(3)-N多步预测.首先介绍AHA原理,在不同维度条件下选取6个典型函数对AHA进行仿真测试,并与灰狼优化(GWO)算法、旗鱼优化(SFO)算法、粒子群优化(PSO)算法的仿真结果进行比较;其次利用WPD对水质时序数据进行小波包分解,以降低水质序列数据的复杂度;并在延迟时间为1的情况下,采用Cao方法确定各子序列分量的输入、输出;最后通过各分量训练样本构建ELM适应度函数,采用AHA对适应度函数进行寻优,利用寻优获得的最佳ELM输入层权值和隐含层偏值建立WPD-AHA-ELM模型对各子序列分量进行超前1步至超前5步预测,将预测结果加和重构得到最终多步预测结果.结果表明:AHA具有较好的寻优精度和全局搜索能力,寻优精度优于GWO、SFO、PSO算法.WPD-AHA-ELM模型对实例断面pH、CODmn、DO、NH_(3)-N超前1步至超前5步预测的平均绝对百分比误差分别在0.05%~1.23%、0.10%~3.15%、0.13%~3.67%、0.65%~10.6%之间,具有较小的预测误差,其中尤以超前1步至超前3步的预测效果最好.WPD-AHA-ELM模型预测精度随着超前预测步数的增加而降低. 展开更多
关键词 水质预测 小波包分解 人工蜂鸟算法 极限学习机 仿真测试 多步预测
下载PDF
基于VMD-LSTM的超短期风向多步预测 被引量:6
18
作者 李秀昊 刘怀西 +3 位作者 张智勇 张敏 吴迪 苗得胜 《南方能源建设》 2023年第1期29-38,共10页
[目的]为准确预测未来4 h风向,提出一种基于VMD-LSTM(Variational Mode Decomposition-Long Short-Term Memory)的超短期风向多步预测方法。[方法]采集明阳智能某风电场3个风电机组的风向序列,对其进行预处理及时序分析;基于自相关函数(... [目的]为准确预测未来4 h风向,提出一种基于VMD-LSTM(Variational Mode Decomposition-Long Short-Term Memory)的超短期风向多步预测方法。[方法]采集明阳智能某风电场3个风电机组的风向序列,对其进行预处理及时序分析;基于自相关函数(Autocorrelation Function,ACF)计算风向不同时期的相关性,以选取风向序列的特征长度;采用变分模态分解(Variational Mode Decomposition,VMD)将风向序列分解为相对稳定的模态信号,通过最小样本熵确定分解的子模态数,并对分解后的模态信号分别建立预测模型,进行超短期风向24步预测;重构风向序列,叠加各分量预测结果。[结果]结果表明,VMD-LSTM在4个季度的24步风向预测的绝对平均误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)分别为8.430°、16.870°、9.155,且在每个季度不同时间尺度的各个误差评价指标均优于其他常见的数据建模方法。[结论]所提算法可满足风电场的实际生产中优化控制偏航角的要求。 展开更多
关键词 风向 多步预测 变分模态分解 样本熵 长短期记忆
下载PDF
基于集成模型的煤炭价格多步预测研究 被引量:2
19
作者 郝伟 边萌春 《煤炭工程》 北大核心 2023年第8期187-192,共6页
煤炭价格的准确预测对化解能源价格风险有着重要意义,针对煤炭价格预测的问题,开展了基于集成模型的煤炭价格多步预测研究。本研究分析了影响煤炭价格的主控因素,并建立了数据集;将粒子群优化算法(Particle swarm optimization,PSO)和... 煤炭价格的准确预测对化解能源价格风险有着重要意义,针对煤炭价格预测的问题,开展了基于集成模型的煤炭价格多步预测研究。本研究分析了影响煤炭价格的主控因素,并建立了数据集;将粒子群优化算法(Particle swarm optimization,PSO)和长短期记忆模型(Long Short-Term Memory,LSTM)有效集成,建立了一种基于PSO-LSTM的多参量多步预测模型。利用多参量多步预测模型调用数据集进行了曹妃甸港煤炭价格预测,结果表明:基于PSO-LSTM的多参量多步预测模型预测效果优于基于BP、LSTM的预测模型;其预测价格与实际价格的MAPE、R2值分别为0.025、0.908,能够为煤炭市场的科学管控提供帮助。 展开更多
关键词 集成模型 煤炭价格预测 多参量多步预测模型 LSTM PSO
下载PDF
基于DnCNN多步预测的地震资料去除随机噪声方法
20
作者 张永杰 谷丙洛 +2 位作者 孙志广 燕新跃 张闪闪 《地质论评》 CAS CSCD 北大核心 2023年第S01期442-444,共3页
地震数据去噪是地震数据处理中极为重要的个环节。有效分离地震噪声可为后续处理解释提供高质量的地震资料。目前,传统的地震数据去噪方法有时空域预测滤波、多项式预测滤波和非平稳预测滤波以及变换域、频空域、时频域、稀疏变换域、... 地震数据去噪是地震数据处理中极为重要的个环节。有效分离地震噪声可为后续处理解释提供高质量的地震资料。目前,传统的地震数据去噪方法有时空域预测滤波、多项式预测滤波和非平稳预测滤波以及变换域、频空域、时频域、稀疏变换域、经验变换域的频域滤波等(Liu Guochang et al.,2019)。模式分解去噪算法存在时间长、成本高的缺点。 展开更多
关键词 卷积神经网络 降噪 地震勘探 多步预测
下载PDF
上一页 1 2 16 下一页 到第
使用帮助 返回顶部