期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
循环小数的奇妙性质
被引量:
4
1
作者
张世德
《河南师范大学学报(自然科学版)》
CAS
CSCD
2002年第3期11-14,共4页
文 [1]中叙述了三个‘世界上数学家还没有解决的难题 ,即所谓世界难题 .’本文部分地讨论了第二个问题 ,发现在一定条件下 ,许多分数的循环节作为一个数都是 9的倍数 ,证明一类分母是合数的真分数也具有文
关键词
同余
循环
小数
Fermat-Euler定理
循环
节
循环位数
数论
真分数
下载PDF
职称材料
基于CNN特征选择与QRGRU的电力负荷概率密度预测方法
被引量:
13
2
作者
丁学辉
许海林
+1 位作者
罗颖婷
鄂盛龙
《电力信息与通信技术》
2021年第6期32-38,共7页
针对一般预测方法难以提供负荷概率性信息,且难以兼顾负荷数据的时序性和天气、日类型等非连续特征的缺陷,文章提出一种基于卷积神经网络(Convolutional Neural Network,CNN)结合门控循环神经网络分位数回归(Gated Recurrent Neural Net...
针对一般预测方法难以提供负荷概率性信息,且难以兼顾负荷数据的时序性和天气、日类型等非连续特征的缺陷,文章提出一种基于卷积神经网络(Convolutional Neural Network,CNN)结合门控循环神经网络分位数回归(Gated Recurrent Neural Network Quantile Regression,QRGRU)的概率密度预测方法。将历史负荷值、天气及日类型等信息利用滑动时间窗构造连续特征图,通过CNN提取不同类型特征的潜在信息,以此作为QRGRU输入,预测不同分位点下未来一天任意时刻负荷的预测结果,并通过核密度估计获得任意时刻负荷的概率密度分布。实验结果表明,采用CNN学习不同类型特征与负荷需求的关系,并结合QRGRU和核密度估计技术,可以更好地解决电力负荷概率密度预测问题。
展开更多
关键词
电力负荷概率密度预测
卷积神经网络
门控
循环
神经网络分
位数
回归
核密度估计
下载PDF
职称材料
题名
循环小数的奇妙性质
被引量:
4
1
作者
张世德
机构
河南师范大学数学与信息科学学院
出处
《河南师范大学学报(自然科学版)》
CAS
CSCD
2002年第3期11-14,共4页
文摘
文 [1]中叙述了三个‘世界上数学家还没有解决的难题 ,即所谓世界难题 .’本文部分地讨论了第二个问题 ,发现在一定条件下 ,许多分数的循环节作为一个数都是 9的倍数 ,证明一类分母是合数的真分数也具有文
关键词
同余
循环
小数
Fermat-Euler定理
循环
节
循环位数
数论
真分数
Keywords
congrence
recurring decimal
Fermat Euler's Theorem
分类号
O156.1 [理学—基础数学]
下载PDF
职称材料
题名
基于CNN特征选择与QRGRU的电力负荷概率密度预测方法
被引量:
13
2
作者
丁学辉
许海林
罗颖婷
鄂盛龙
机构
长沙理工大学电气与信息工程学院
广东电网有限责任公司电力科学研究院
出处
《电力信息与通信技术》
2021年第6期32-38,共7页
基金
广东电科院科技项目“变压器多维数据分析及智能运维技术研究”(GDKJXM20173051)。
文摘
针对一般预测方法难以提供负荷概率性信息,且难以兼顾负荷数据的时序性和天气、日类型等非连续特征的缺陷,文章提出一种基于卷积神经网络(Convolutional Neural Network,CNN)结合门控循环神经网络分位数回归(Gated Recurrent Neural Network Quantile Regression,QRGRU)的概率密度预测方法。将历史负荷值、天气及日类型等信息利用滑动时间窗构造连续特征图,通过CNN提取不同类型特征的潜在信息,以此作为QRGRU输入,预测不同分位点下未来一天任意时刻负荷的预测结果,并通过核密度估计获得任意时刻负荷的概率密度分布。实验结果表明,采用CNN学习不同类型特征与负荷需求的关系,并结合QRGRU和核密度估计技术,可以更好地解决电力负荷概率密度预测问题。
关键词
电力负荷概率密度预测
卷积神经网络
门控
循环
神经网络分
位数
回归
核密度估计
Keywords
power load probability density prediction
convolutional neural network
gated recurrent neural network quantile regression
kernel density estimation
分类号
TM614 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
循环小数的奇妙性质
张世德
《河南师范大学学报(自然科学版)》
CAS
CSCD
2002
4
下载PDF
职称材料
2
基于CNN特征选择与QRGRU的电力负荷概率密度预测方法
丁学辉
许海林
罗颖婷
鄂盛龙
《电力信息与通信技术》
2021
13
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部