基于可解释深度学习的电力负荷预测模型

深度学习模型在时间序列预测中得到了广泛的应用,然而,传统的深度学习点预测模型更多关注未来某个特定时刻的预测值,无法描述复杂时间序列预测的不确定性。此外,大多数深度学习模型的预测过程是不透明的,使用者对深度学习预测模型的内部机理缺乏认识,导致模型预测的可解释性偏低。针对上述问题,引入了分位数回归理论,刻画复杂时间序列预测的不确定性特征;构建可解释深度学习模型并应用于纽约州首府地区的短期电力负荷预测。结果表明,预测模型在两个数据集上都具有较好的区间预测结果,置信水平为95%时,该模型在1月和7月的PICP值分别为94.28%、93.23%,区间覆盖率趋于置信水平。相比于对比模型,模型的预测精度高、泛化能力强,能够提升短期电力负荷预测中的稳定性,可为电网管理者的相关决策提供数据支撑。

讲好中国故事英汉双语介绍中国达斡尔族萨满文化微信公众平台建设与推广

此次研究生创新创业项目中,坚持运用唯物史观理论,坚持在习近平新时代中国特色社会主义思想体系的引领下,不断提高中华民族的文化认同感,增进中华民族的团结和凝聚力,为此项目的最高原则。此平台用汉英双语展现中国达斡尔族萨满文化所表现的形式与内容、特点及发展,探索其时代意义和影响,不仅对发扬中华民族的爱国主义精神有很大的现实意义,而且通过双语展示,对展现我国东北边疆史、推进我国边疆建设、向世界展现中华民族文化有很大的意义。

术语特点及英汉翻译策略——以摄影文本为例

随着"一带一路"的发展,文化全球化的不断深入,涌现出大量的科技文本,术语翻译也越来越成为译者需要关注的问题.文章把英汉摄影文本中的专业术语作为切入点,基于作者对Light Science&Magic(5th Edition)一书的翻译实践,浅析了摄影文本中的英汉术语翻译的特点、常见问题,并提出了解决策略.