期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
基于时间模式注意力机制和改进TCN的PM_(2.5)浓度预测方法
1
作者 周卓辉 杨欢 刘小芳 《无线电工程》 2024年第10期2315-2324,共10页
针对现在PM_(2.5)浓度预测模的预测精度不高和泛化能力差的问题,提出一种结合时间模式注意力机制和改进时间卷积网络(Temporal Pattern Attention and Temporal Convolutional Network,TPA-TCN)的PM_(2.5)浓度预测模型。通过对气象数据... 针对现在PM_(2.5)浓度预测模的预测精度不高和泛化能力差的问题,提出一种结合时间模式注意力机制和改进时间卷积网络(Temporal Pattern Attention and Temporal Convolutional Network,TPA-TCN)的PM_(2.5)浓度预测模型。通过对气象数据和空气污染物监测站点数据进行时空分析,选择具有高相关性的邻近站点作为辅助变量。引入TPA机制,在PM_(2.5)数据时间序列的每个时间步上计算注意力权重,改进TCN的残差结构,提高模型的训练速度和鲁棒性。使用自回归(Autoregressive,AR)算法优化模型的线性提取能力。实验结果表明,该模型在PM_(2.5)预测对比实验任务中表现优异,具备更高的预测精度和更强的泛化能力。 展开更多
关键词 PM_(2.5)预测 时间卷积网络 时间模式注意力机制
下载PDF
基于时间模式注意力机制的BiLSTM多风电机组超短期功率预测 被引量:38
2
作者 王渝红 史云翔 +3 位作者 周旭 曾琦 方飚 毕悦 《高电压技术》 EI CAS CSCD 北大核心 2022年第5期1884-1892,共9页
针对现有预测方法难以批量处理多风机间不同特征的问题,提出了基于时间模式注意力(temporal pattern attention,TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先,基于... 针对现有预测方法难以批量处理多风机间不同特征的问题,提出了基于时间模式注意力(temporal pattern attention,TPA)机制的双向长短时记忆(bidirectional long short-term memory,BiLSTM)网络多风电机组超短期功率预测方法。首先,基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)获得风机原始功率信号的不同模态分量,以降低神经网络预测难度。其次,基于TPA机制,从Bi LSTM网络得到的隐藏行向量中提取多风机之间的复杂联系,从而使得具有不同特征的模态可以从不同时间步选择相关信息,进而降低各模态的预测误差。最后,将TPA机制与传统注意力机制应用于分散分布的14台风机区域功率预测任务。研究结果表明:基于本方法的多风电机组超短期功率预测的标准均方根误差仅为0.0546,证明TPA机制能有效提高多风电机组的超短期功率预测精度。 展开更多
关键词 超短期风电功率预测 多风电机组 时间模式注意力机制 双向长短时记忆 集合经验模态分解
下载PDF
融合改进NBEATSx和时间注意力机制的空气污染预测
3
作者 李杰 王占刚 《陕西科技大学学报》 北大核心 2024年第5期198-205,共8页
针对现有空气污染预测存在结构复杂、对多元变量与不同时间步间依赖关系提取不充分和多步预测精度低的问题,引入了β分布和非线性动态控制函数改进星鸦优化算法(INOA),优化NBEATSx模型参数,提高收敛精度;并融合时间模式注意力机制(TPA)... 针对现有空气污染预测存在结构复杂、对多元变量与不同时间步间依赖关系提取不充分和多步预测精度低的问题,引入了β分布和非线性动态控制函数改进星鸦优化算法(INOA),优化NBEATSx模型参数,提高收敛精度;并融合时间模式注意力机制(TPA)为不同时间尺度的多外生变量自适应分配权重,再结合预测因子获取时间模式关系.利用所提模型对北京地区的PM2.5进行预测,与传统模型相比精度提高超过18.45%,为空气污染预测提供了一种新方法. 展开更多
关键词 空气污染预测 时间模式注意力机制 星鸦优化算法 神经基扩展分析网络
下载PDF
基于改进时间卷积网络的微电网超短期负荷预测
4
作者 王印松 吕率豪 《太阳能学报》 EI CAS CSCD 北大核心 2024年第6期255-263,共9页
为了提高微电网中用电负荷超短期预测的准确性,对时间卷积网络进行特征增强和注意力增强改进,将时间卷积网络中的一维因果膨胀卷积替换为二维卷积,同时利用时间模式注意力机制对时间卷积网络的隐藏层加权处理,提取负荷的多维特征,挖掘... 为了提高微电网中用电负荷超短期预测的准确性,对时间卷积网络进行特征增强和注意力增强改进,将时间卷积网络中的一维因果膨胀卷积替换为二维卷积,同时利用时间模式注意力机制对时间卷积网络的隐藏层加权处理,提取负荷的多维特征,挖掘序列中存在的潜藏联系。根据改进的方法建立预测模型并进行对比实验以验证方法的有效性,能够对用电负荷的不确定性进行有效的处理,拓宽特征向量的维度,有效捕捉负荷序列中与时间有关的特征,提高用电负荷的预测精度。 展开更多
关键词 负荷预测 微电网 卷积神经网络 特征增强 时间模式注意力机制
下载PDF
基于多模式集成深度融合的非侵入式负荷分解模型
5
作者 姚刚 王赟 +1 位作者 王远亮 宋子浩 《控制与信息技术》 2023年第1期1-10,共10页
目前,基于深度学习的非侵入式负荷分解模型存在对长时间用电信息的时间依赖性建模能力受限及使用同一种分解模型对具有不同负荷特征的设备进行负荷分解所得到的分解误差达不到理想状态的问题。针对上述问题,文章提出了一种非侵入式负荷... 目前,基于深度学习的非侵入式负荷分解模型存在对长时间用电信息的时间依赖性建模能力受限及使用同一种分解模型对具有不同负荷特征的设备进行负荷分解所得到的分解误差达不到理想状态的问题。针对上述问题,文章提出了一种非侵入式负荷分解模型,其将基于CNN-LSTM-TPA的分解模型和改进的SVRVB-STCKF模型进行集成融合。首先,其使用时间模式注意力机制(TPA)加强CNN-LSTM分解模型对时间依赖性的建模能力,捕获原始用电信息的负荷特征并实现初步负荷分解;其次,采用支持向量机回归(SVR)建立目标设备的非线性状态空间模型,并利用改进的强跟踪技术和变分贝叶斯对容积卡尔曼滤波算法(CKF)进行改进,得到VB-STCKF模型,对初步分解结果进行二次动态调整。利用REDD和UKDALE公开数据集对所提模型进行验证,结果表明,所提加强模型的时间建模能力及其对初步分解结果进行动态调整的功能,可以有效降低模型的分解误差。 展开更多
关键词 负荷分解 非侵入式负荷监测 节能减排 时间模式注意力机制 卷积神经网络 支持向量机回归 卡尔曼滤波
下载PDF
基于注意力机制的时间卷积网络河流总磷预测 被引量:2
6
作者 黎园园 刘海隆 《环境工程》 CAS CSCD 北大核心 2023年第5期163-171,共9页
深度学习在水质污染监测中的应用研究成为当前热点。为解决水体污染物浓度在上下游之间的不同关联预测问题,以四川省眉山市彭山区岷江水系的TP预测为研究目标,提出了基于时间模式注意力(TPA)机制的时间卷积网络(TCN)预测模型。首先,利用... 深度学习在水质污染监测中的应用研究成为当前热点。为解决水体污染物浓度在上下游之间的不同关联预测问题,以四川省眉山市彭山区岷江水系的TP预测为研究目标,提出了基于时间模式注意力(TPA)机制的时间卷积网络(TCN)预测模型。首先,利用Pearson相关系数对上下游站点处TP浓度进行时空关系分析;然后,利用TCN网络的扩张因果卷积来提取时序数据之间的依赖关系,利用TPA机制学习不同站点TP浓度之间的复杂关系,从而获取不同时间尺度的站点权重;最后,将该模型应用于河流TP浓度预测。结果表明:多站点输入的TPA-TCN模型的评价指标RMSE、MAE和MAPE较单站点输入的TPA-TCN模型分别降低了36.29%、28.18%和25.26%,相比于融入传统注意力机制的TCN模型,融入TPA机制的TCN模型的这3种评价指标分别降低了10.24%、10.78%和9.94%,说明多站点输入的TPA-TCN模型对河流TP浓度预测具有一定的优势。TPA-TCN模型可有效应用于水质监测中,对水质污染物预测具有重要参考意义。 展开更多
关键词 水质预测 时间卷积网络 时间模式注意力机制 Pearson相关系数
原文传递
基于TPA‑MBLSTM模型的超短期风电功率预测 被引量:2
7
作者 蔡昌春 范靖浩 +1 位作者 李源佳 何瑶瑶 《电力科学与技术学报》 CAS CSCD 北大核心 2024年第1期47-56,共10页
风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径。提出一种结合时间模式注意力(time pattern attention,TPA)机制的多层堆叠双向长短期记忆网... 风速变化的间歇性和波动性给风功率的精准预测带来极大挑战,充分挖掘风电功率与风速等关键因素的内在规律是提高风电功率预测精度的有效途径。提出一种结合时间模式注意力(time pattern attention,TPA)机制的多层堆叠双向长短期记忆网络的超短期风电功率预测方法。首先,利用基于密度的含噪声空间聚类方法(den⁃sity based spatial clustering with noise,DBSCAN)和线性回归算法进行风功率数据集的异常值检测,利用k最邻近(k⁃nearest neighbor,KNN)插值法重构异常点数据;其次,综合考虑风电功率与各气象特征的内在关联性,在MBLSTM网络中引入TPA机制合理分配时间步长权重,捕捉风电功率时间序列潜在逻辑规律;最后,利用实验仿真数据进行分析验证本文方法的有效性,该方法能够充分挖掘风功率与风速影响因素的关系,从而提高其预测精度。 展开更多
关键词 风电功率预测 时间模式注意力机制 多层堆叠双向长短记忆网络 异常数据检测 基于密度的含噪声空间聚类方法 线性回归
下载PDF
基于红外的TPA和IAOA BiLSTM电路芯片故障诊断
8
作者 王力 朱猛 马江燕 《激光与红外》 CAS CSCD 北大核心 2024年第4期574-583,共10页
为了提高电路芯片故障诊断准确率,超参数设置的效率以及特征提取效率,提出一种基于时间模式注意力机制(TPA)的改进算数优化算法(IAOA)优化双向长短期记忆网络(BiLSTM)的电路故障诊断方法。首先,利用IAOA搜寻BiLSTM的最优超参数组合,提... 为了提高电路芯片故障诊断准确率,超参数设置的效率以及特征提取效率,提出一种基于时间模式注意力机制(TPA)的改进算数优化算法(IAOA)优化双向长短期记忆网络(BiLSTM)的电路故障诊断方法。首先,利用IAOA搜寻BiLSTM的最优超参数组合,提高模型诊断精度;然后使用TPA提取重要特征并分配权重,改善模型特征提取能力;最后,将红外摄像仪采集的红外温度数据输入到最优诊断模型中,实现电路芯片故障诊断。实验采用0~30 V可调稳压电源电路进行验证。结果表明,该模型对电路芯片故障诊断准确率高达9827,可实现对电路芯片的高准确率故障诊断。 展开更多
关键词 红外技术 芯片故障诊断 双向长短期记忆网络 算数优化算法 时间模式注意力机制
下载PDF
基于CEEMDAN和改进时间卷积网络的短期风电功率预测模型 被引量:42
9
作者 赵凌云 刘友波 +2 位作者 沈晓东 刘代勇 吕霜 《电力系统保护与控制》 CSCD 北大核心 2022年第1期42-50,共9页
近年来,风力发电逐渐成为可再生能源发电的关键部分。为了提高风力发电功率短期预测的准确度,提出了一种将自适应噪声完备集成经验模态分解与改进时间卷积网络结合的短期风电功率预测模型。首先,利用CEEMDAN对风电功率序列进行分解,得... 近年来,风力发电逐渐成为可再生能源发电的关键部分。为了提高风力发电功率短期预测的准确度,提出了一种将自适应噪声完备集成经验模态分解与改进时间卷积网络结合的短期风电功率预测模型。首先,利用CEEMDAN对风电功率序列进行分解,得到子序列分量,并分别与关键气象变量数据构成训练集。然后,使用基于时间模式注意力机制的时间卷积网络对子序列分量分别进行预测。最后,重构预测结果后得到最终的预测值。整个预测过程有助于精准刻画风电的分量特性,并通过TPA机制捕捉变量间的关联性,有效地提高风电功率的预测准确率。 展开更多
关键词 风电功率预测 自适应噪声完备集成经验模态分解 时间卷积网络 时间模式注意力机制
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部