期刊文献+
共找到117篇文章
< 1 2 6 >
每页显示 20 50 100
Short-term and imminent geomagnetic anomalies of the Wenchuan M_S8.0 earthquake and exploration on earthquake forecast 被引量:2
1
作者 Wuxing Wang Jianhai Ding +1 位作者 Surong Yu Yongxian Zhang 《Earthquake Science》 CSCD 2009年第2期135-141,共7页
The diurnal variation of the geomagnetic vertical component is exhibited mainly by changes of phase and amplitude before strong earthquakes. Based on data recorded by the network of geomagnetic observatories in China ... The diurnal variation of the geomagnetic vertical component is exhibited mainly by changes of phase and amplitude before strong earthquakes. Based on data recorded by the network of geomagnetic observatories in China for many years, the anomalous features of the appearance time of the minima of diurnal variations (i.e, low-point time) of the geo- magnetic vertical components and the variation of their spatial distribution (i.e, phenomena of low-point displacement) have been studied before the Wenchuan Ms8.0 earthquake. The strong aftershocks after two months' quiescence of M6 aftershocks of the Ms8.0 event were forecasted based on these studies. There are good correlativities between these geomagnetic anoma- lies and occurrences of earthquakes. It has been found that most earthquakes occur near the boundary line of sudden changes of the low-point time and generally within four days before or after the 27th or 41st day counting from the day of the appearance of the anomaly. In addition, the imminent anomalies in diurnal-variation amplitudes near the epicentral areas have also been studied before the Wenchuan earthquake. 展开更多
关键词 geomagnetic low-point displacement diurnal-variation amplitude Wenchuan earthquake short-term and imminent geomagnetic anomaly forecast of strong earthquakes
下载PDF
Rolling Generation Dispatch Based on Ultra-short-term Wind Power Forecast
2
作者 Qiushi Xu Changhong Deng 《Energy and Power Engineering》 2013年第4期630-635,共6页
The power systems economic and safety operation considering large-scale wind power penetration are now facing great challenges, which are based on reliable power supply and predictable load demands in the past. A roll... The power systems economic and safety operation considering large-scale wind power penetration are now facing great challenges, which are based on reliable power supply and predictable load demands in the past. A rolling generation dispatch model based on ultra-short-term wind power forecast was proposed. In generation dispatch process, the model rolling correct not only the conventional units power output but also the power from wind farm, simultaneously. Second order Markov chain model was utilized to modify wind power prediction error state (WPPES) and update forecast results of wind power over the remaining dispatch periods. The prime-dual affine scaling interior point method was used to solve the proposed model that taken into account the constraints of multi-periods power balance, unit output adjustment, up spinning reserve and down spinning reserve. 展开更多
关键词 Wind POWER GENERATION POWER System ROLLinG GENERATION DISPATCH Ultra-short-term Forecast Markov Chain Model Prime-dual AFFinE Scaling interior Point Method
下载PDF
Comparison of short- with long-term regeneration results after digital nerve reconstruction with musclein-vein conduits
3
作者 Jennifer Lynn Schiefer Lukas Schulz +3 位作者 Rebekka Rath Stéphane Stahl Hans-Eberhard Schaller Theodora Manoli 《Neural Regeneration Research》 SCIE CAS CSCD 2015年第10期1674-1677,共4页
Muscle-in-vein conduits are used alternatively to nerve grafts for bridging nerve defects. The purpose of this study was to examine short- and long-term regeneration results after digital nerve reconstruction with mus... Muscle-in-vein conduits are used alternatively to nerve grafts for bridging nerve defects. The purpose of this study was to examine short- and long-term regeneration results after digital nerve reconstruction with muscle-in-vein conduits. Static and moving two-point discriminations and Semmes-Weinstein Monofilaments were used to evaluate sensory recovery 6–12 months and 14–35 months after repair of digital nerves with muscle-in-vein in 7 cases. Both follow-ups were performed after clinical signs of progressing regeneration disappeared. In 4 of 7 cases, a further recovery of both two-point discriminations and in another case of only the static two-point discrimination of 1–3 mm could be found between the short-term and long-term follow-up examination. Moreover, a late recovery of both two-point discriminations was demonstrated in another case. Four of 7 cases showed a sensory improvement by one Semmes-Weinstein Monofilaments. This pilot study suggests that sensory recovery still takes place even when clinical signs of progressing regeneration disappear. 展开更多
关键词 peripheral nerve regeneration muscle-in-vein conduits digital nerves sensory recovery Semmes-Weinstein two-point discrimination outcome short-term long-term
下载PDF
基于自适应时序表征和多级注意力的超短期风电功率预测 被引量:3
4
作者 张越 臧海祥 +3 位作者 程礼临 刘璟璇 卫志农 孙国强 《电力自动化设备》 EI CSCD 北大核心 2024年第2期117-125,共9页
针对风电功率数据包含的多尺度时间信息难以描述、现有方法未充分考虑气象因素对于风电功率动态耦合的影响而导致的预测性能下降等问题,提出了一种基于自适应时序表征和多级注意力的超短期风电功率预测方法。采用时序嵌入层对风电功率... 针对风电功率数据包含的多尺度时间信息难以描述、现有方法未充分考虑气象因素对于风电功率动态耦合的影响而导致的预测性能下降等问题,提出了一种基于自适应时序表征和多级注意力的超短期风电功率预测方法。采用时序嵌入层对风电功率序列进行表征以获取其周期、非周期模式,并引入自注意力捕捉高维风电功率序列的自相关性;利用交叉注意力重构风电功率与气象因素,形成包含两者耦合关系的多维特征序列;利用一维卷积神经网络沿时间、特征方向分别挖掘多维特征序列的时间相关性和空间相关性,进而利用长短期记忆网络提取相应的时序特征,并将所得时序特征经全局注意力去噪和门控机制融合后输入全连接层,分别进行点预测和区间预测。实验结果表明,所提方法能够获得准确的点预测值和可靠的预测区间。 展开更多
关键词 风电功率 超短期预测 多级注意力 深度学习 时空相关性 点预测 区间预测
下载PDF
基于ESMD-FE-AJSO-LSTM算法的水闸深基坑变形预测 被引量:1
5
作者 张伟 邓彬彬 +5 位作者 仇建春 夏国春 姚兆仁 刘占午 朱新宇 王昱锦 《南水北调与水利科技(中英文)》 CAS CSCD 北大核心 2024年第2期378-387,408,共11页
水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理... 水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理论对各分解分量进行模糊多模态相空间重构,从而有效甄别水闸基坑变形不同时间尺度有效物理特征。构建基于人工水母搜索算法(artificial jellyfish search optimizer,AJSO)优化的长短期记忆(long short-term memory,LSTM)人工神经网络模型,以重构后的各重构子序列为基础进行优化训练,并把训练后的各预测模态分量合并,实现对水闸基坑开挖变形动态预测和分析。以张家港市十一圩江边枢纽改建工程基坑开挖变形监测为例,采用上述方法对该枢纽工程基坑开挖过程变形进行预测和分析。结果表明:基于ESMD-FE-AJSOLSTM算法的水闸深基坑变形预测方法能够有效预测基坑开挖变形非线性特征,相比传统LSTM、循环神经网络(recurrent neural network, RNN)和支持向量机(support vector machine,SVM)等算法具有更高的预测精度和稳定性,为实现对基坑开挖安全性态实时科学诊断和分析提供技术参考。 展开更多
关键词 极点对称模态分解算法 模糊熵 人工水母搜索算法 长短期记忆 水闸 深基坑 变形预测
下载PDF
短程高颈段脊髓电刺激术治疗脑损伤意识障碍患者10例
6
作者 王希 赵琳 +4 位作者 张勇 毕立清 尤永平 季晶 颜伟 《南京医科大学学报(自然科学版)》 CAS 北大核心 2024年第2期242-246,共5页
目的:分析短程高颈段脊髓电刺激术治疗脑损伤重度意识障碍患者的技术要点及该术式的临床诊疗价值。方法:回顾性总结南京医科大学第一附属医院神经外科于2023年6—9月开展的10例短程高颈段脊髓电刺激手术,解析手术过程技术要点,并结合随... 目的:分析短程高颈段脊髓电刺激术治疗脑损伤重度意识障碍患者的技术要点及该术式的临床诊疗价值。方法:回顾性总结南京医科大学第一附属医院神经外科于2023年6—9月开展的10例短程高颈段脊髓电刺激手术,解析手术过程技术要点,并结合随访分析其临床应用价值。结果:全麻下取俯卧位在胸8椎间隙经皮行硬脊膜外腔穿刺,在X线透视下动态调整脊髓刺激电极可顺利将其顶端置入颈2水平,进行为期2~3周的刺激治疗。刺激参数选择:频率5/70 Hz电压1~5 V;刺激小周期:开15 min,关15 min;刺激大周期:8点开机,20点关机。在术后4周进行随访,8例术前植物状态(vegetative state,VS)患者中1例到达微小意识状态(minimally conscious state,MCS)+,5例MCS-,2例仍为VS状态;2例术前MCS-患者中1例脱离微小意识,1例MCS+,均无手术相关并发症出现。结论:短程高颈段脊髓电刺激术微创、安全并且有效,有短程的治疗价值和诊断价值,在意识障碍促醒诊疗中有着广泛的应用前景,手术过程需要注意穿刺置入电极特有的难点和技术操作要领。 展开更多
关键词 短程高颈段脊髓电刺激 意识障碍 技术要点 诊疗价值
下载PDF
基于SSA−LSTM的转炉炼钢终点锰含量预测
7
作者 马帅印 高丽丽 +3 位作者 贺锦峰 殷磊 张茜 胥军 《工程科学学报》 EI CSCD 北大核心 2024年第10期1764-1775,共12页
锰是钢铁中重要的合金元素,加入适量锰元素能提高钢铁的性能.在转炉炼钢过程中锰元素的含量直接影响钢铁质量,锰元素加入过少会导致钢铁产品的硬度和强度不足,锰元素加入过量会导致钢铁过脆和生产成本增加.因此,合适的锰元素添加量对提... 锰是钢铁中重要的合金元素,加入适量锰元素能提高钢铁的性能.在转炉炼钢过程中锰元素的含量直接影响钢铁质量,锰元素加入过少会导致钢铁产品的硬度和强度不足,锰元素加入过量会导致钢铁过脆和生产成本增加.因此,合适的锰元素添加量对提升钢铁质量与减少冶炼成本具有重要意义.转炉炼钢过程中锰元素的添加量主要通过终点锰预测的结果来确定,然而,终点锰含量多少受到多个因素的综合影响,其中包括氧化反应进程和合金中其他元素的添加量,影响因素呈现非线性、高耦合的特征,导致终点锰预测难度大.针对转炉炼钢终点锰预测过程中数据有含噪声、强耦合性等问题,提出了一个转炉炼钢终点锰含量预测研究架构,基于长短期记忆网络(Long Short-term memory,LSTM)预测模型,引入奇异谱分析(Singular spectral analysis,SSA)方法去除终点锰预测过程中非线性、非平稳序列的高频噪声,提出了一种基于SSA−LSTM的终点锰含量预测方法.利用河北敬业钢铁有限公司转炉炼钢生产数据验证所提预测方法的平均绝对误差为1.19%,均方根误差为1.48%.结果表明,该方法能够解决数据存在较多噪声及非线性等问题;与已有的时间序列预测方法相比,经过SSA处理的预测误差均有所减小,证明了该方法的有效性,为实际生产过程中精准加入合金提供了依据. 展开更多
关键词 转炉炼钢 终点锰预测 奇异谱分析 长短期记忆网络 预测方法
下载PDF
基于VMD-ISSA-LSTM的短时交通流预测研究
8
作者 庞学丽 宋坤 +2 位作者 姚红云 李一博 曹志富 《现代电子技术》 北大核心 2024年第8期31-36,共6页
针对城市短时交通流随机波动性强、可靠性低、预测精度差等问题,将变分模态分解(VariationalMode Decomposition,VMD)和改进麻雀搜索算法(ImproveSparrowSearchAlgorithm,ISSA)与长短期记忆(LongShort-Term Memory, LSTM)神经网络相结合... 针对城市短时交通流随机波动性强、可靠性低、预测精度差等问题,将变分模态分解(VariationalMode Decomposition,VMD)和改进麻雀搜索算法(ImproveSparrowSearchAlgorithm,ISSA)与长短期记忆(LongShort-Term Memory, LSTM)神经网络相结合,建立一种短时交通流预测模型(VMD-ISSA-LSTM)。首先利用VMD对历史原始交通流数据进行分解;然后采用佳点集、正弦函数扰动和Tent混沌映射等策略对标准的SSA算法加以改进,增强ISSA算法的寻优能力;最后,将每个分量送入ISSA-LSTM中进行预测,同时将预测结果线性叠加,得到交通流量预测值。以上海市中山北路-曹杨路口2018年11月1日—30日的历史交通数据对模型进行验证。结果表明,与LSTM、VMD-LSTM、VMD-SSA-LSTM等传统预测模型相比,VMD-ISSA-LSTM模型的预测结果的平均绝对百分比误差为1.278 4%,能够更好地应用于短时交通流预测中。 展开更多
关键词 短时交通流预测 变分模态分解 改进麻雀搜索算法 长短期记忆神经网络 佳点集 正弦函数扰动 Tent混沌映射
下载PDF
面向不平衡数据的机械设备故障命名实体识别
9
作者 党小超 刘涧 +2 位作者 董晓辉 祝忠彦 李芬芳 《计算机工程》 CAS CSCD 北大核心 2024年第9期104-112,共9页
命名实体识别作为构建知识图谱的基础任务,其识别效果直接影响知识图谱的质量。在实际生产中,机械故障数据通常包含大量的领域专业词汇,同时实体类型普遍存在分布不平衡的问题,这对准确识别故障实体构成了挑战。通用领域实体识别方法在... 命名实体识别作为构建知识图谱的基础任务,其识别效果直接影响知识图谱的质量。在实际生产中,机械故障数据通常包含大量的领域专业词汇,同时实体类型普遍存在分布不平衡的问题,这对准确识别故障实体构成了挑战。通用领域实体识别方法在这一领域效果欠佳,从而降低了知识图谱的质量。为应对上述问题,提出一种融合焦点损失(Focal Loss)函数和专业词典的实体识别方法。该方法使用Focal Loss函数应对实体类型不平衡问题,通过引入平衡因子和调制系数,改进传统的交叉熵损失函数,提升实体识别效果,同时将领域专业词汇嵌入到模型中,进一步提高实体识别性能,这一词典包含机械故障的领域术语,有助于模型更准确地识别机械设备故障命名实体。在自建的矿井提升机实验数据集上进行广泛实验验证,结果证明,融入Focal Loss后模型的F1值比主流模型BERT-BiLSTM-CRF提高了5.57个百分点,相比用于解决数据不平衡的典型方法SMOTE效果更优,在此基础上,通过嵌入领域词典,模型的F1值得到进一步提升,达到89.13%。 展开更多
关键词 命名实体识别 不平衡数据 焦点损失函数 机械设备故障 双向长短期记忆网络 条件随机场
下载PDF
采用北斗PPP-B2b服务的大气可降水量反演及香港地区暴雨过程分析
10
作者 程安坤 王敏 +2 位作者 孟欣 季锐 孙爽 《测绘通报》 CSCD 北大核心 2024年第2期118-123,共6页
北斗三号卫星导航系统精密单点定位服务(PPP-B2b服务)通过卫星B2b信号向用户发送改正信息,摆脱了对外部通信的依赖,为实时反演大气可降水量(PWV)提供了新的技术途径。本文利用试验分析了PPP-B2b服务反演PWV的精度。试验结果表明,利用PPP... 北斗三号卫星导航系统精密单点定位服务(PPP-B2b服务)通过卫星B2b信号向用户发送改正信息,摆脱了对外部通信的依赖,为实时反演大气可降水量(PWV)提供了新的技术途径。本文利用试验分析了PPP-B2b服务反演PWV的精度。试验结果表明,利用PPP-B2b服务反演结果与采用CODE事后精密星历产品的差值RMS为3.70 mm,STD为3.61 mm,与ERA5再分析数据差值的RMS和STD分别为4.80和4.07 mm,与探空结果差值的RMS和STD分别为3.75和7.16 mm,验证了采用PPP-B2b服务的PWV反演结果具有较好的精度。最后,通过分析香港地区暴雨过程的实际降水量与PWV反演结果之间的相关性,初步验证了BDS PPP-B2b服务用于暴雨灾害短时预警的可行性。 展开更多
关键词 大气可降水量反演 精密单点定位 北斗卫星导航系统 实时卫星轨道钟差改正 暴雨灾害短时预警
下载PDF
基于PointNet和长短时记忆网络的三维人体动作预测 被引量:2
11
作者 王辉 丁铂栩 +3 位作者 宋佳豪 曹俊杰 李波 刘秀平 《计算机应用》 CSCD 北大核心 2022年第S02期60-66,共7页
人体动作预测是计算机视觉和图形学领域的重要任务。现有的方法主要基于人体骨架和视频图像表示,相较于骨架和视频表示,三维几何数据表示人体动作更加直观和形象化。为此提出了一种基于PointNet和长短期记忆(LSTM)网络的三维点云表示的... 人体动作预测是计算机视觉和图形学领域的重要任务。现有的方法主要基于人体骨架和视频图像表示,相较于骨架和视频表示,三维几何数据表示人体动作更加直观和形象化。为此提出了一种基于PointNet和长短期记忆(LSTM)网络的三维点云表示的人体动作预测方法。首先,使用改进的PointNet对人体动作序列中的每帧三维点云进行特征提取;其次,通过LSTM学习动作序列的时间信息融合动作序列的时空特征;最后,将时空特征通过全连接神经网络(FC)进行动作预测;此外,还构造了三维点云表示的人体动作序列数据集。实验结果表明,所提方法在预测下一帧三维人体点云坐标时的平均损失值低于10-3。 展开更多
关键词 人体动作预测 三维点云 PointNet 长短期记忆网络 动作序列
下载PDF
基于Multi Focal损失函数的中文文本分类研究 被引量:2
12
作者 曹泽炎 郑静 《杭州电子科技大学学报(自然科学版)》 2020年第3期51-56,共6页
为提高文本数据集的情感识别效率,采用深度学习方法,对互联网文本数据集进行情感分类,分别建立基于朴素贝叶斯(Naive Bayesian Classifier,NBC)、卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆网络(Long Short Term Memo... 为提高文本数据集的情感识别效率,采用深度学习方法,对互联网文本数据集进行情感分类,分别建立基于朴素贝叶斯(Naive Bayesian Classifier,NBC)、卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆网络(Long Short Term Memory,LSTM)的情感识别模型。在二分类Focal损失函数的基础上,提出多分类Multi Focal损失函数MFL。基于搜狐新闻数据集和中美贸易战评论数据集的实验表明:使用多分类损失函数MFL的长短期记忆模型明显优于其它模型。 展开更多
关键词 深度学习 卷积神经网络 长短期记忆网络 Multi focal损失
下载PDF
Beat-to-Beat Variability in Field Potential Duration in Human Embryonic Stem Cell-Derived Cardiomyocyte Clusters for Assessment of Arrhythmogenic Risk, and a Case Study of Its Application 被引量:1
13
作者 Kazuto Yamazaki Taro Hihara +7 位作者 Hiroshi Kato Tatsuto Fukushima Kazuyuki Fukushima Tomohiko Taniguchi Takashi Yoshinaga Norimasa Miyamoto Masashi Ito Kohei Sawada 《Pharmacology & Pharmacy》 2014年第1期117-128,共12页
We established a QT interval assessment system that uses human embryonic stem cell-derived cardiomyocyte clusters (hES-CMCs) in which the field potential duration (FPD) or corrected FPD (FPDc) was measured as an indic... We established a QT interval assessment system that uses human embryonic stem cell-derived cardiomyocyte clusters (hES-CMCs) in which the field potential duration (FPD) or corrected FPD (FPDc) was measured as an indicator of drug-induced QT interval prolongation. To investigate the applicability of the hES-CMC system to drug safety assessment, we investigated short-term variability in FPDc (STVFPDc) (beat rate rhythmicity) as a marker of torsadogenic risk. We investigated the FPDc and STVFPDc of hES-CMCs treated with hERG channel blockers (E-4031 or cisapride) or with our proprietary compounds X, Y, and Z. We also evaluated the electrocardiograms and hemodynamics of dogs treated with compound X, Y, or Z. The torsadogenic hERG channel blockers increased STVFPDc and prolonged FPDc. Compounds X, Y, and Z had hERG inhibitory activity. Compound X prolonged FPDc with increased STVFPDc, whereas compounds Y and Z tended to shorten FPDc in the hES-CMC system. In the in vivo canine study, compound X prolonged corrected QT (QTc), and compounds Y and Z tended to shorten QTc, showing a good correlation with the results in hES-CMCs. These findings suggest that combined assessment of FPDc and STVFPDc in the hES-CMC system increases the predictability of torsadogenic risk. 展开更多
关键词 Human Embryonic Stem Cell-Derived Cardiomyocytes Field Potential DURATION short-term VARIABILITY QT interval Torsades de POinTES RISK ASSESSMENT
下载PDF
基于LSTM‑ES‑RVM的滚动轴承剩余寿命预测方法 被引量:2
14
作者 周圣文 郭顺生 杜百岗 《振动工程学报》 EI CSCD 北大核心 2023年第6期1723-1735,共13页
为解决滚动轴承在寿命预测时精度不高,且性能退化趋势及波动范围难以预测等问题,提出了基于LSTM‑ES‑RVM的滚动轴承剩余寿命预测方法。在无先验知识或人工经验的干扰下,利用长短期记忆(Long Short‑Term Memory,LSTM)网络直接对频率数据... 为解决滚动轴承在寿命预测时精度不高,且性能退化趋势及波动范围难以预测等问题,提出了基于LSTM‑ES‑RVM的滚动轴承剩余寿命预测方法。在无先验知识或人工经验的干扰下,利用长短期记忆(Long Short‑Term Memory,LSTM)网络直接对频率数据进行特征提取,构建退化过程的初步健康指标(Health Indicator,HI);为了消除HI曲线的局部剧烈振荡,提出了带斜率的极端拐点(Extreme Inflection Point with a Slope,ES)模型改善其整体单调性;使用相关向量机(Relevance Vector Machine,RVM)模型对HI曲线进行趋势预测,实现了滚动轴承的剩余寿命(Remaining Useful Life,RUL)预测。实验结果表明,所提方法相较于对比方法具有较好的预测精度。 展开更多
关键词 剩余寿命预测 滚动轴承 长短记忆神经网路 健康指标 带斜率的极端拐点模型
下载PDF
基于DeepAR的短期风速概率预测 被引量:1
15
作者 何旭辉 段泉成 严磊 《铁道学报》 EI CAS CSCD 北大核心 2023年第7期152-160,共9页
为对铁路沿线风速提前进行预判,保障桥梁施工及高速铁路列车运行时的安全,提出基于深度自回归模型(DeepAR)的短期风速预测方法。采用平潭海峡公铁两用大桥和西堠门大桥实测风速进行验证,并以包括小波包分解下的卷积神经网络和循环神经... 为对铁路沿线风速提前进行预判,保障桥梁施工及高速铁路列车运行时的安全,提出基于深度自回归模型(DeepAR)的短期风速预测方法。采用平潭海峡公铁两用大桥和西堠门大桥实测风速进行验证,并以包括小波包分解下的卷积神经网络和循环神经网络混合模型(WPD-CNNLSTM-CNN)在内的4种模型作为点预测对比模型,以SimpleFeed-Forward、ARIMA、Random Walk模型进行置信度为50%与95%的区间预测作为对比模型。研究结果表明:无论是点预测还是区间预测,DeepAR模型都能够在具有随机性、间歇性的短期风速序列中提取到特征信号并进行精度较高的预测,且相比于其他模型具有更好的准确性与泛化能力,可满足实际工程短期风速预测需求。 展开更多
关键词 铁路桥梁 短期风速 DeepAR模型 点预测 区间预测
下载PDF
基于IPSO算法的短期电力负荷预测模型研究 被引量:5
16
作者 王峰 《自动化仪表》 CAS 2023年第4期22-26,共5页
为有效减小短期电力负荷预测的预测误差,提高预测精度、缩短预测时间,应用改进粒子群优化(IPSO)算法建立了1种短期电力负荷预测模型。通过水平方向和垂直方向的平滑修正,对历史数据的异常负荷点进行识别并修正。利用相同日期类型正常负... 为有效减小短期电力负荷预测的预测误差,提高预测精度、缩短预测时间,应用改进粒子群优化(IPSO)算法建立了1种短期电力负荷预测模型。通过水平方向和垂直方向的平滑修正,对历史数据的异常负荷点进行识别并修正。利用相同日期类型正常负荷,计算缺失数据填充值。采用模糊化处理,计算日期类型、温度、天气隶属度函数,对短期负荷变化因素进行量化处理。将历史数据的负荷值和量化值作为训练数据。为避免粒子群优化(PSO)算法陷入局部最优,采用IPSO算法找到全局最优解,建立了短期负荷预测模型,实现了短期电力负荷预测。试验结果表明,所设计模型预测结果在休息日和工作日的最大相对误差值、平均相对误差值分别为0.97%、0.53%和0.99%、0.65%,能够有效减小预测误差、提高预测精度、缩短预测时间。该研究为电力系统相关人员进行负荷预测提供了参考。 展开更多
关键词 改进粒子群优化算法 短期电力负荷 负荷预测 电力系统 异常负荷点 模糊化处理 隶属度函数 全局最优解
下载PDF
多尺度特征融合的锂离子电池循环寿命及拐点预测 被引量:1
17
作者 史永胜 胡玙珺 翟欣然 《电源技术》 CAS 北大核心 2023年第12期1603-1608,共6页
锂离子电池在反复充放电过程中容量逐渐衰减,到达拐点后容量急剧衰减至寿命结束。拐点的出现可能导致电池故障或寿命缩短等问题,为了确保系统的安全使用,提出了一种基于多尺度特征融合模型预测循环寿命及拐点。首先,使用多个扩张率的卷... 锂离子电池在反复充放电过程中容量逐渐衰减,到达拐点后容量急剧衰减至寿命结束。拐点的出现可能导致电池故障或寿命缩短等问题,为了确保系统的安全使用,提出了一种基于多尺度特征融合模型预测循环寿命及拐点。首先,使用多个扩张率的卷积神经网络(CNN)从电压、电流和温度等数据中提取不同时间尺度的健康特征,并通过长短期记忆神经网络(LSTM)挖掘特征的时间序列依赖关系。其次,对电池早期和后期的衰退轨迹拟合以识别拐点。最后,利用Stanford-MIT数据集验证模型的有效性和准确性,结果显示该模型使用前80个循环数据能准确预测电池循环寿命和拐点,误差RMSE分别低于30和60次,MAPE分别低于2%和5%。准确预测拐点有利于电池性能和寿命的改进,对电池健康管理至关重要。 展开更多
关键词 锂离子电池 寿命预测 拐点 卷积神经网络 长短期记忆神经网络
下载PDF
面向多维数据的异常点检测模型设计
18
作者 马勇 杨敏 朱琳 《网络安全与数据治理》 2023年第7期85-90,共6页
为了在大数据环境下快速、精准地挖掘异常点,保障网络安全,提出了一种面向多维数据的异常点检测模型设计方案。该方案利用长短期记忆网络(LSTM)存储任意时间段的多维数据,并使用图卷积网络提取完整数据结构,同时加入惩罚参数和均方误差... 为了在大数据环境下快速、精准地挖掘异常点,保障网络安全,提出了一种面向多维数据的异常点检测模型设计方案。该方案利用长短期记忆网络(LSTM)存储任意时间段的多维数据,并使用图卷积网络提取完整数据结构,同时加入惩罚参数和均方误差来缩小异常点出现范围。此外,还利用编码器和解码器构建变分自编码器函数模型,使其能够解读正常数据子特征,并通过编码重建损失函数来计算数据异常度量,从而实现异常点检测。经过实验验证,该方法表现出较高的检测正确率和运行效率,具有极高的应用价值。 展开更多
关键词 编码损失函数 变分自编码器 异常点检测 长短期记忆网络 多维数据
下载PDF
数控机床热变形误差超前预测研究 被引量:3
19
作者 于博 王利涛 +1 位作者 陈志红 胡月 《机床与液压》 北大核心 2023年第4期75-79,共5页
针对当前数控机床热变形误差实施补偿存在的预测值滞后实际补偿值问题,提出基于长短期记忆(LSTM)神经网络算法热误差超前预测解决方案,详细探讨LSTM神经网络算法的解析流程,建立基于LSTM神经网络算法热误差超前预测模型,并进行关键温测... 针对当前数控机床热变形误差实施补偿存在的预测值滞后实际补偿值问题,提出基于长短期记忆(LSTM)神经网络算法热误差超前预测解决方案,详细探讨LSTM神经网络算法的解析流程,建立基于LSTM神经网络算法热误差超前预测模型,并进行关键温测点及热变形误差超前预测实验。实验结果表明:热变形误差实际值与预测值的最大残差、平均值和均方差均在可控范围内,超前预测的准确度为86.3%,进一步论证了机床热变形误差超前预测的有效性。 展开更多
关键词 热变形误差 长短期记忆 神经网络算法 超前预测建模 关键温测点
下载PDF
基于领域BERT模型的服务文本分类方法 被引量:2
20
作者 闫云飞 孙鹏 +2 位作者 张杰勇 马钰棠 赵亮 《空军工程大学学报》 CSCD 北大核心 2023年第1期103-111,共9页
针对BERT模型领域适应能力较差,无法解决训练数据类别数量不均衡和分类难易不均衡等问题,提出一种基于WBBI模型的服务文本分类方法。首先通过TF-IDF算法提取领域语料中的词汇扩展BERT词表,提升了BERT模型的领域适应性;其次,通过建立的BE... 针对BERT模型领域适应能力较差,无法解决训练数据类别数量不均衡和分类难易不均衡等问题,提出一种基于WBBI模型的服务文本分类方法。首先通过TF-IDF算法提取领域语料中的词汇扩展BERT词表,提升了BERT模型的领域适应性;其次,通过建立的BERT-BiLSTM模型实现服务文本分类;最后,针对数据集的类别数量不均衡和分类难易不均衡问题,在传统焦点损失函数的基础上提出了一种可以根据样本不均衡性特点动态调整的变焦损失函数。为了验证WBBI模型的性能,在互联网获取的真实数据集上进行了大量对比试验,实验结果表明:WBBI模型与通用文本分类模型TextCNN、BiLSTM-attention、RCNN、Transformer相比Macro-F1值分别提高了4.29%、6.59%、5.3%和43%;与基于BERT的文本分类模型BERT-CNN、BERT-DPCNN相比,WBBI模型具有更快的收敛速度和更好的分类效果。 展开更多
关键词 服务分类 文本分类 BERT模型 双向长短时记忆网络(BiLSTM) 焦点损失函数
下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部