期刊文献+
共找到130篇文章
< 1 2 7 >
每页显示 20 50 100
Model-Free Feature Screening via Maximal Information Coefficient (MIC) for Ultrahigh-Dimensional Multiclass Classification
1
作者 Tingting Chen Guangming Deng 《Open Journal of Statistics》 2023年第6期917-940,共24页
It is common for datasets to contain both categorical and continuous variables. However, many feature screening methods designed for high-dimensional classification assume that the variables are continuous. This limit... It is common for datasets to contain both categorical and continuous variables. However, many feature screening methods designed for high-dimensional classification assume that the variables are continuous. This limits the applicability of existing methods in handling this complex scenario. To address this issue, we propose a model-free feature screening approach for ultra-high-dimensional multi-classification that can handle both categorical and continuous variables. Our proposed feature screening method utilizes the Maximal Information Coefficient to assess the predictive power of the variables. By satisfying certain regularity conditions, we have proven that our screening procedure possesses the sure screening property and ranking consistency properties. To validate the effectiveness of our approach, we conduct simulation studies and provide real data analysis examples to demonstrate its performance in finite samples. In summary, our proposed method offers a solution for effectively screening features in ultra-high-dimensional datasets with a mixture of categorical and continuous covariates. 展开更多
关键词 Ultrahigh-Dimensional Feature Screening MODEL-FREE Maximal information coefficient (mic) Multiclass Classification
下载PDF
基于LightGBM-VIF-MIC-SFS的风电机组故障诊断输入特征选择方法 被引量:1
2
作者 马良玉 程东炎 +2 位作者 梁书源 耿妍竹 段新会 《热力发电》 CAS CSCD 北大核心 2024年第1期154-164,共11页
针对风电机组数据采集与监视控制(SCADA)系统数据维数较高、特征冗余、特征相关性高导致风电机组的故障诊断过程存在误差大、分类正确率低的问题,提出一种基于LightGBM-VIF-MIC-SFS的三段式特征选择方法。首先,根据LightGBM实现对所有... 针对风电机组数据采集与监视控制(SCADA)系统数据维数较高、特征冗余、特征相关性高导致风电机组的故障诊断过程存在误差大、分类正确率低的问题,提出一种基于LightGBM-VIF-MIC-SFS的三段式特征选择方法。首先,根据LightGBM实现对所有特征的重要性计算,确定初步特征空间;其次,根据方差膨胀因子(VIF)和最大信息系数(MIC)构建相关性判别阵,据此评估一次筛选中重要性相近的特征,舍弃相似性高的输入特征;最后,使用序列前向搜索法对特征进行第3次处理,逐个输入前2次特征选择获得的特征,保留能提升系统性能的特征,从而实现最终特征的选取。在完成了模型的建立后,使用风电场真实SCADA系统数据进行性能评估,将所提方法与2种对比算法在6个数据集上进行对比,结果显示所提出的LightGBM-VIF-MIC-SFS相较2种对比特征选择算法有显著优势。对所提方法内部的3个模块进行了消融实验,有效验证了所提特征选取方法内部各个模块的有效性以及基于所提方法得到的最优特征空间的合理性及准确性。 展开更多
关键词 风电机组 特征选择 LightGBM 方差膨胀因子 最大信息系数 序列前向搜索
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:3
3
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
融合MIC与Res-LSTM模型的有效波高预测
4
作者 朱道恒 李彦 +1 位作者 李志强 刘润 《热带海洋学报》 CAS CSCD 北大核心 2024年第4期76-85,共10页
有效波高(significant wave height,SWH)的预测在海洋运输和海上活动方面发挥着重要作用。基于中国阳江海陵岛近岸实测数据,提出一种融合最大信息系数(maximal information coefficient,MIC)、残差网络(residual network,ResNet)和长短... 有效波高(significant wave height,SWH)的预测在海洋运输和海上活动方面发挥着重要作用。基于中国阳江海陵岛近岸实测数据,提出一种融合最大信息系数(maximal information coefficient,MIC)、残差网络(residual network,ResNet)和长短期记忆网络(long short-term memory networks,LSTM)的预测模型。首先,采用MIC算法从数据集中筛选出与预测指标相关性高的参数作为模型的输入;然后将ResNet引入LSTM中,构建Res-LSTM预测模型;最后选择相关系数(r-squared,R2)、均方根差(root mean squared error,RMSE)、平均绝对误差(mean absolute error,MAE)和平均绝对百分比误差(mean absolute percentage error,MAPE)来评价预测结果。同时,对比了XGBoost(extreme gradient boosting)、SVR(support vector regression)和LSTM网络的预测效果。结果表明,MIC-Res-LSTM模型能够提高短时有效波高预测值的精度。 展开更多
关键词 波高预测 最大信息系数 残差网络 长短期记忆网络 支持向量回归
下载PDF
基于MIC和MA-LSTNet的超短期电力负荷预测模型
5
作者 龚钢军 蔡贺 +1 位作者 杨佳轩 何建军 《华北电力大学学报(自然科学版)》 CAS 北大核心 2024年第6期1-12,共12页
在多元时序超短期电力负荷预测中,各变量之间往往存在长期和短期两种时间模式,而长短期时间序列网络(LSTNet)可以提取天气因素与负荷之间的短期变化和长期趋势,提高了预测的精度。本文建立了基于最大信息系数(MIC)和采用多头注意力机制... 在多元时序超短期电力负荷预测中,各变量之间往往存在长期和短期两种时间模式,而长短期时间序列网络(LSTNet)可以提取天气因素与负荷之间的短期变化和长期趋势,提高了预测的精度。本文建立了基于最大信息系数(MIC)和采用多头注意力机制的长短期时间序列网络(MA-LSTNet)的超短期负荷预测模型。首先,利用最大信息系数分析天气变量在各负荷滞后时段与预测序列的相关性,使用符号聚合近似(SAX)量化相关性曲线,对天气变量进行最优选择,减少模型输入冗余;其次,对长短期时间序列网络进行了改进,提出了采用多头注意力机制的长短期时间序列网络,通过在非线性部分加入自注意力层,实现了对于非季节性、非周期性的长短期时间模式的提取。截至目前与其它模型相比,本文提出的模型具有最佳的预测性能。 展开更多
关键词 长短期模式 最大信息系数 循环跳过层 注意力机制 符号聚合近似
下载PDF
基于MIC-ResNet-LSTM-BP的短期电力负荷预测
6
作者 简定辉 李萍 +1 位作者 黄宇航 梁志洋 《计算机仿真》 2024年第4期75-79,499,共6页
电力能源的合理调度是关系民生的重要问题,而合理的电能调度离不开精准的负荷预测。为有效提高负荷预测精度,提出一种基于MIC-ResNet-LSTM-BP的短期电力负荷预测方法来预测未来1天和3天的负荷。首先,采集6维负荷特征数据,利用最大信息系... 电力能源的合理调度是关系民生的重要问题,而合理的电能调度离不开精准的负荷预测。为有效提高负荷预测精度,提出一种基于MIC-ResNet-LSTM-BP的短期电力负荷预测方法来预测未来1天和3天的负荷。首先,采集6维负荷特征数据,利用最大信息系数(MIC)分析各影响因素与负荷的关联程度从而进行特征选择;其次,采用残差网络(ResNet)对数据进行特征提取;然后,将重构数据输入到长短时记忆网络(LSTM)挖掘数据时序特征;最后,采用Dropout层增加模型泛化能力,通过改进BP神经网络学(BPNN)习数据特征并利用Adam优化器训练模型。将以上模型与BPNN、KNN、LSTM、LSTMBPNN作对比实验,有力验证了上述模型在负荷预测领域的精准性。 展开更多
关键词 最大信息系数 负荷预测 残差网络 长短时记忆网络 神经网络
下载PDF
MIC-PCA耦合算法在径流预报因子筛选中的应用 被引量:7
7
作者 王丽萍 李宁宁 +2 位作者 马皓宇 纪昌明 李贵博 《中国农村水利水电》 北大核心 2018年第9期36-41,51,共7页
解决径流预报因子筛选中存在的信息量不足或冗余等问题,引入一种具有普适性的新的相关关系分析方法——最大信息系数法(MIC),并结合主成分分析法剔除冗余信息实现变量空间降维的能力,提出最大信息系数——主成分分析耦合算法(MIC-PCA)... 解决径流预报因子筛选中存在的信息量不足或冗余等问题,引入一种具有普适性的新的相关关系分析方法——最大信息系数法(MIC),并结合主成分分析法剔除冗余信息实现变量空间降维的能力,提出最大信息系数——主成分分析耦合算法(MIC-PCA)。以雅砻江流域打罗水文站日径流预报为例,将MIC-PCA与多种因子筛选方法的筛选结果进行对比,并将各方法筛选出的因子集输入到BP人工神经网络对日径流进行预报以验证其合理性。结果表明,该方法较现行方法,能为预报模型提供更加科学有效的输入,从而提高模型的预报精度,对水文预报研究有着一定的理论意义。 展开更多
关键词 径流预报 最大信息系数 主成分分析 因子筛选 神经网络
下载PDF
基于MIC的Cz单晶硅放肩阶段关键特征参数辨识 被引量:3
8
作者 赵华东 翟晓彤 +1 位作者 田增国 李欣鸽 《人工晶体学报》 EI CAS 北大核心 2020年第4期607-612,共6页
直拉单晶硅生长过程中放肩阶段常由于断棱的出现导致无法顺利进入等径生长。为研究影响断棱的关键特征参数,提出采用最大互信息系数法(MIC)辨识直拉单晶硅放肩阶段关键特征参数。分别采用最大互信息系数法(MIC)、层次分析法(AHP)计算特... 直拉单晶硅生长过程中放肩阶段常由于断棱的出现导致无法顺利进入等径生长。为研究影响断棱的关键特征参数,提出采用最大互信息系数法(MIC)辨识直拉单晶硅放肩阶段关键特征参数。分别采用最大互信息系数法(MIC)、层次分析法(AHP)计算特征参数与放肩断棱的相关系数,按照降序依次提取前k项直至全部特征参数作为输入参数,在逻辑斯蒂回归模型进行放肩断棱预测评估。结果表明,采用MIC提取特征参数的前13项特征作为输入参数时,模型的准确度最高;且采用MIC法在预测精度上优于AHP法。 展开更多
关键词 最大互信息系数 直拉单晶硅 放肩阶段 层次分析法 关键特征参数
下载PDF
基于MIC-XGBoost算法的居民用水量数据预测 被引量:6
9
作者 陈庄 周籴 《计算机应用与软件》 北大核心 2021年第10期125-130,共6页
为了进一步提升水务企业工作效率,解决抄表数据审核工作量大、保证数据准确性等问题,在传统的XGBoost预测算法基础上提出一种基于MIC-XGBoost的混合预测模型。以某水务企业近两年的用户历史用水数据为基础,利用最大信息系数(MIC)得出不... 为了进一步提升水务企业工作效率,解决抄表数据审核工作量大、保证数据准确性等问题,在传统的XGBoost预测算法基础上提出一种基于MIC-XGBoost的混合预测模型。以某水务企业近两年的用户历史用水数据为基础,利用最大信息系数(MIC)得出不同影响因素与用户用水量之间变量的关联程度,构建不同单一影响因素下的用水量数据预测模型,采用实际用水数据调整算法参数,得到最终预测模型。实验结果表明,在预测精度上该模型比单一的XGBoost模型提高了约21%,能有效提升数据审核效率。 展开更多
关键词 数据审核 最大信息系数 XGBoost 用水量预测
下载PDF
基于最大信息系数的关联性特征选择算法:MICCFS 被引量:1
10
作者 罗幼喜 谢昆明 +1 位作者 胡超竹 李翰芳 《华中师范大学学报(自然科学版)》 CAS CSCD 北大核心 2023年第6期777-785,共9页
针对基于关联性特征选择算法(CFS)对于回归任务只能识别变量线性关系和分类任务使用对称不确定性度量的不足,提出一种基于最大信息系数(MIC)的CFS特征选择算法:MICCFS.将回归任务中衡量变量间的线性相关系数和分类任务中的对称不确定性... 针对基于关联性特征选择算法(CFS)对于回归任务只能识别变量线性关系和分类任务使用对称不确定性度量的不足,提出一种基于最大信息系数(MIC)的CFS特征选择算法:MICCFS.将回归任务中衡量变量间的线性相关系数和分类任务中的对称不确定性度量改进为MIC度量方式.运用最佳优先搜索算法搜索特征子集,以UCI机器学习数据库中11个回归数据集和10个分类数据集为实验对象,采用支持向量机、k近邻算法、朴素贝叶斯模型、决策树四种分类器,比较了MICCFS和CFS以及常用特征选择方法SVMRFE、Lasso、MIM、Relief F、Chi-Square的效果,结果表明MICCFS具有一定优势. 展开更多
关键词 关联性特征选择 最大信息系数 特征选择 分类 降维
下载PDF
基于MIC和XGBoost的火电厂发电量预测 被引量:3
11
作者 陈思勤 胡涛 +2 位作者 沈玉华 曹阳 李婧 《青海电力》 2021年第2期41-45,72,共6页
针对目前火电厂发电量难以预测问题,提出一种基于最大互信息系数(maximal information coefficient,MIC)和极限梯度提升(extreme gradient boosting,XGBoost)的火电厂发电量预测方法。首先对原始数据进行数据预处理工作,然后利用MIC计... 针对目前火电厂发电量难以预测问题,提出一种基于最大互信息系数(maximal information coefficient,MIC)和极限梯度提升(extreme gradient boosting,XGBoost)的火电厂发电量预测方法。首先对原始数据进行数据预处理工作,然后利用MIC计算各特征与目标变量的相关性,通过特征重要性排序选择特征变量作为输入,最后利用XGBoost算法建立火电厂发电量预测模型。结果表明:该模型可以有效解决非线性变量难以筛选的问题,减少输入特征的维度,预测结果的均方根误差和平均绝对百分比误差较小,模型具有较高的预测精度,对火电厂能够提供一定参考意义。 展开更多
关键词 火电厂 发电量预测 最大互信息系数 XGBoost
下载PDF
基于PCA-MIC-LSTM的碟形湖溶解氧含量预测模型研究 被引量:3
12
作者 迟殿委 黄琪 +1 位作者 刘丽贞 方朝阳 《人民长江》 北大核心 2022年第6期54-60,共7页
溶解氧浓度是湖泊生态健康评价中的关键指标,因浅水碟形湖的水文独特性,使得溶解氧(DO)愈加具有不稳定性和非线性特征。为准确预测碟形湖中的DO浓度,基于鄱阳湖典型碟形湖监测数据集,结合主成分分析法(PCA)、最大信息系数(MIC)和长短时... 溶解氧浓度是湖泊生态健康评价中的关键指标,因浅水碟形湖的水文独特性,使得溶解氧(DO)愈加具有不稳定性和非线性特征。为准确预测碟形湖中的DO浓度,基于鄱阳湖典型碟形湖监测数据集,结合主成分分析法(PCA)、最大信息系数(MIC)和长短时记忆神经网络(LSTM)预测碟形湖DO含量的模型。结果表明:与支持向量回归(SVR)、LSTM模型相比,基于PCA-MIC-LSTM的模型预测精度显著提高,其确定系数高达0.99以上,均方根误差为0.039 mg/L,平均绝对百分误差为0.301%;其中,PCA降噪处理比MIC特征提取更能影响LSTM模型预测的效果,可以显著降低误差率。研究的PCA-MIC-LSTM模型可为同类型湖泊水体保护工作的开展提供参考。 展开更多
关键词 溶解氧预测 PCA mic LSTM 碟形湖 鄱阳湖
下载PDF
基于CMFS-MIC特征选择的跳频电台个体识别方法 被引量:4
13
作者 杨银松 郭英 +2 位作者 李红光 眭萍 于欣永 《计算机应用研究》 CSCD 北大核心 2019年第12期3811-3814,3818,共5页
针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子... 针对跳频电台细微特征集中存在冗余特征等导致电台识别时存在计算量大、识别准确率低等问题,提出了一种基于CMFS-MIC特征选择的跳频电台个体识别方法。首先计算采集到的各个跳频电台信号样本的细微特征集,然后采用关联信息熵度量特征子集的组合效应,兼顾考虑特征间的关联关系和冗余关系对各个特征进行降序排序。在此基础上,采用最大信息系数度量的近似马尔可夫毯方法删除冗余特征,实现对特征子集进行优化和降维。最后,设计了投票组合分类器实现对四部跳频电台信号的识别。仿真结果表明,本文算法具有更高的分选识别率。 展开更多
关键词 特征选择 跳频电台 关联信息熵 最大信息系数 投票组合分类器
下载PDF
基于MIC-LSTM与CKDE的风电机组机舱温度区间预测 被引量:12
14
作者 程逸 胡阳 +1 位作者 马素玲 宋子秋 《智慧电力》 北大核心 2020年第7期16-23,共8页
风电安全技术的发展在新能源生产安全中具有重要意义。风力发电机组机舱温度预测可提前发现机舱温度的异常变化,为监测和控制系统提供温度预警信号,从而保障内部设备安全稳定运行。提出基于最大信息系数(MIC)的变量筛选方法,选取与机舱... 风电安全技术的发展在新能源生产安全中具有重要意义。风力发电机组机舱温度预测可提前发现机舱温度的异常变化,为监测和控制系统提供温度预警信号,从而保障内部设备安全稳定运行。提出基于最大信息系数(MIC)的变量筛选方法,选取与机舱温度相关性较高的变量作为输入变量,然后基于长短时记忆(LSTM)网络建立了多变量机舱温度单点预测模型,通过与其它3类预测模型的性能对比表明了所提方法精度更高;基于LSTM网络模型的预测结果及其误差数据集,采用条件核密度估计(CKDE)法建立了不同置信度下机舱温度预测值的波动区间,依据具体实例验证了不确定性区间预测模型的有效性和可靠性。 展开更多
关键词 风机机舱温度 最大信息系数 长短时记忆 条件核密度估计 不确定性区间预测
下载PDF
基于MIC-CNN的山区高速铁路土建工程造价预测模型 被引量:4
15
作者 易梦雪 曾勇 +2 位作者 秦张越 夏子又 贺燚 《铁道标准设计》 北大核心 2023年第8期44-51,共8页
为实现预可行性研究阶段山区高速铁路土建工程造价的快速准确估算,利用最大互信息系数(MIC)原理选取山区高速铁路土建工程造价预测关键指标,进而应用卷积神经网络(CNN)构建其造价预测模型,通过比较不同参数下的模型预测精度和稳定性确... 为实现预可行性研究阶段山区高速铁路土建工程造价的快速准确估算,利用最大互信息系数(MIC)原理选取山区高速铁路土建工程造价预测关键指标,进而应用卷积神经网络(CNN)构建其造价预测模型,通过比较不同参数下的模型预测精度和稳定性确定模型最优参数,并对比分析MIC-CNN模型与CNN、BP、Adaboost-SVR模型预测效果。分析结果表明,MIC-CNN模型预测平均相对误差仅为5.476%,而CNN、BP和Adaboost-SVR模型预测的平均相对误差分别达到9.072%、12.626%和28.010%,说明造价预测关键指标及模型参数选取合理,MIC-CNN模型可以实现较高的预测精度;MIC-CNN模型预测值的波动幅度仅为1.045%,其在预测山区高速铁路土建工程造价时具有较好的稳定性。 展开更多
关键词 山区高速铁路 土建工程造价 预测 最大信息系数 卷积神经网络
下载PDF
基于MIC与BiGRU的水电机组振动趋势预测 被引量:14
16
作者 毕扬 郑波 +3 位作者 张亚武 朱溪 江亚兰 李超顺 《水利学报》 EI CSCD 北大核心 2021年第5期612-621,632,共11页
为提高水电机组振动趋势预测的准确率,本研究提出了一种基于最大信息系数(MIC)与双边门控循环神经网络(BiGRU)的水电机组振动趋势预测模型。首先,预处理阶段采用小波系数阈值去噪(WTD)方法对历史振动信号数据进行降噪处理以消除强背景... 为提高水电机组振动趋势预测的准确率,本研究提出了一种基于最大信息系数(MIC)与双边门控循环神经网络(BiGRU)的水电机组振动趋势预测模型。首先,预处理阶段采用小波系数阈值去噪(WTD)方法对历史振动信号数据进行降噪处理以消除强背景噪声的干扰,并将振动信号划分为多个训练样本以改善算法的鲁棒性;其次考虑水力、电气与机械不平衡力因素的影响,基于MIC对与振动信号关联性强的状态参数进行特征选择作为模型的参考输入;再采用BiGRU网络建立振动信号预测模型,进行超前多步的振动信号趋势预测;最后利用训练好的模型对在线获取的振动数据进行实时预测。为评估模型的预测性能,本研究采集某抽水蓄能水电站的振动监测数据进行多组对比实验,验证了所提方法具有较好的预测能力和泛化能力,适用于水电机组振动的趋势预测。 展开更多
关键词 最大信息系数法 BiGRU 小波阈值去噪 信号处理 特征选择 趋势预测
下载PDF
基于MIC和MPA-KELM的脱硫出口SO_(2)浓度预测 被引量:6
17
作者 闫浩思 赵文杰 《计量学报》 CSCD 北大核心 2023年第2期271-278,共8页
建立脱硫出口SO_(2)浓度预测模型是实现脱硫系统经济运行的基础。针对这一问题,提出了基于最大信息系数(MIC)的变量选择方法和基于海洋捕食算法(MPA)优化核极限学习机(KELM)的脱硫出口SO_(2)浓度预测模型。首先,采用机理分析法筛选影响... 建立脱硫出口SO_(2)浓度预测模型是实现脱硫系统经济运行的基础。针对这一问题,提出了基于最大信息系数(MIC)的变量选择方法和基于海洋捕食算法(MPA)优化核极限学习机(KELM)的脱硫出口SO_(2)浓度预测模型。首先,采用机理分析法筛选影响出口SO2浓度的变量,提出循环浆液综合流量表达方法,便于描述浆液循环泵组合的影响特性;在此基础上,通过基于最大信息系数的变量选择算法确定模型输入变量;运用MPA对KELM的正则系数C和核参数S进行寻优,建立MPA-KELM的出口SO_(2)浓度预测模型;最后,利用电厂运行数据进行仿真实验。实验结果表明,所建立出口SO_(2)浓度预测模型的均方误差、平均绝对百分比误差分别为1.23666 mg/m^(3)和4.9876%,预测精度高,能够为脱硫系统出口SO_(2)的现场优化控制提供技术支持。 展开更多
关键词 计量学 SO_(2)浓度预测 核极限学习机 海洋捕食算法 最大信息系数 循环浆液 综合流量
下载PDF
基于MIC-LSTM-ATT的机场动态容量评估研究 被引量:1
18
作者 李雅聪 邵荃 +1 位作者 唐明 沈志远 《航空计算技术》 2023年第5期67-71,共5页
机场容量评估是空中交通管理和机场运行效率的关键,然而由于相关特征呈现非线性、时变性等复杂特性,机场动态容量评估仍具挑战。针对预测精度和可靠性问题,提出一种改进的深度学习机场动态容量评估方法(MIC-LSTM-Attention),主要包括基... 机场容量评估是空中交通管理和机场运行效率的关键,然而由于相关特征呈现非线性、时变性等复杂特性,机场动态容量评估仍具挑战。针对预测精度和可靠性问题,提出一种改进的深度学习机场动态容量评估方法(MIC-LSTM-Attention),主要包括基于最大互信息系数(MIC)进行相关性分析和引入注意力机制改进LSTM模型两部分。模型通过引入MIC确定强关联气象特征作为预测模型的输入,并应用注意力机制进行权重分配使得模型能够将注意力集中于重要气象信息上。实验数据为国内某大型国际机场一年内的航班运行及天气数据,实验建立了多个基线模型与所提模型进行对比分析。结果表明所构建的MIC-LSTM-ATT模型相较于其他3种方法拟合效果更好,准确度更高。 展开更多
关键词 机场容量 气象因素 最大互信息系数 长短时记忆神经网络 注意力机制
下载PDF
基于动态MIC优化TCN的混凝土坝变形预测模型研究 被引量:3
19
作者 曾欣 马力 戴子卿 《水力发电》 CAS 2022年第10期58-63,共6页
混凝土大坝变形是其安全运行的主要控制指标,对大坝变形的预测就显得尤其重要。为降低常规预测模型因未考虑环境量的时滞性所带来的误差,采用最大信息系数方法(MIC)计算水位影响因子和大坝位移的时滞关系,并确定最佳滞后时间。进一步,... 混凝土大坝变形是其安全运行的主要控制指标,对大坝变形的预测就显得尤其重要。为降低常规预测模型因未考虑环境量的时滞性所带来的误差,采用最大信息系数方法(MIC)计算水位影响因子和大坝位移的时滞关系,并确定最佳滞后时间。进一步,采用时间卷积网络(TCN)解决了混凝土重力坝的变形预测的高维非线性难题,并不断逼近坝体位移影响因子矩阵空间和位移目标向量之间的最佳映射关系,进而得到大坝变形的预测模型,并将其预测结果与常用的ARIMA模型进行对比。结果表明,MIC-TCN模型比ARIMA模型有更好的预测效果。 展开更多
关键词 变形预测 混凝土坝 最大信息系数(mic) 时间卷积网络(TCN) 时滞 最佳滞后时间
下载PDF
基于MIC-VMD-GWO-LSTM的短期风电功率预测 被引量:1
20
作者 梁昌侯 龙华 +2 位作者 李帅 周筝 严北斗 《现代电子技术》 2023年第22期115-120,共6页
准确的风电功率预测可以合理安排风电场的发电计划和提高电网稳定性。针对单一预测模型预测精度低的问题,提出一种基于MIC-VMD-GWO-LSTM的短期风电功率预测模型。首先使用最大互信息系数法(MIC)对高维特征的风电数据集进行特征提取,以... 准确的风电功率预测可以合理安排风电场的发电计划和提高电网稳定性。针对单一预测模型预测精度低的问题,提出一种基于MIC-VMD-GWO-LSTM的短期风电功率预测模型。首先使用最大互信息系数法(MIC)对高维特征的风电数据集进行特征提取,以降低数据复杂度;然后采用变分模态分解(VMD)技术将风电功率序列分解为不同频率的模态,以减少功率数据的波动性;接着对每个模态建立GWO-LSTM预测模型,并利用灰狼优化(GWO)算法LSTM模型的相关参数进行优化;最后将每个模态的预测结果求和重构,得到最终的预测结果。仿真结果表明,相对于单一的BP和LSTM预测模型,基于MIC-VMD-GWO-LSTM的组合预测模型的MAPE分别降低了43.16%和31.14%,可有效提高预测精度,证明了该方法在风电功率预测运用中的有效性和可行性。 展开更多
关键词 短期风电功率预测 最大互信息系数 变分模态分解 灰狼优化算法 长短期记忆 风电功率序列
下载PDF
上一页 1 2 7 下一页 到第
使用帮助 返回顶部