期刊文献+
共找到28篇文章
< 1 2 >
每页显示 20 50 100
基于RF-LSTM模型对A股历史数据的分析
1
作者 丁睦坤 柴啸龙 《商展经济》 2024年第1期111-115,共5页
本文在分析A股个股历史数据及自定义的指标基础上,建立RandomForest模型,并利用RF模型对指标进行筛选,再将RF模型选取的指标传入建立RF-LSTM模型,实现预测功能。为了展现RF-LSTM模型的适用性,本文引入了自定义的AR-RF集成模型作为对比,... 本文在分析A股个股历史数据及自定义的指标基础上,建立RandomForest模型,并利用RF模型对指标进行筛选,再将RF模型选取的指标传入建立RF-LSTM模型,实现预测功能。为了展现RF-LSTM模型的适用性,本文引入了自定义的AR-RF集成模型作为对比,在最终测试集的预测结果中发现RF-LSTM模型有更好的效果。本文的主要创新点是,自定义并二次量化处理个股支撑压力指标,在得到RF-LSTM模型的预测结果后,结合自定义公式,对未来的走势进行量化处理。 展开更多
关键词 RandomForest模型 AR-RF集成模型 自定义支撑压力指标 rf-lstm模型 走势量化处理
下载PDF
基于样本熵重构与RF-LSTM模型的水电机组状态趋势预测 被引量:1
2
作者 姜伟 卢俊泽 许颜贺 《大电机技术》 2024年第2期74-80,共7页
针对水电机组运行状态预测问题,提出一种基于样本熵重构(sample entropy reconstruction, SER)与随机森林(random forest, RF)-长短期记忆网络(long short-term memory, LSTM)的混合预测模型。首先,利用改进自适应噪声完备集成经验模态... 针对水电机组运行状态预测问题,提出一种基于样本熵重构(sample entropy reconstruction, SER)与随机森林(random forest, RF)-长短期记忆网络(long short-term memory, LSTM)的混合预测模型。首先,利用改进自适应噪声完备集成经验模态分解(improved complete ensemble empirical mode decomposition with adaptive white noise, ICEEMDAN)方法,将复杂非线性振摆信号分解为一组本征模态(intrinsic mode functions, IMFs)分量;其次,采用SER原理重组具有相似复杂度的IMFs,得到多个重构特征分量(reconstruction feature components, RFCs);然后,利用随机森林预测样本熵最小的RFC,利用LSTM预测剩余的RFCs;最后,叠加各RFCs预测结果,实现水电机组状态趋势的准确预测。实验结果表明,所提方法具备更优的预测性能,可为实施机组预测性维护提供可靠的数据支持。 展开更多
关键词 水电机组 样本熵 随机森林 长短期记忆网络 状态趋势预测
下载PDF
区域VOCs聚集态势RF-LSTM智能感知方法 被引量:5
3
作者 陆秋琴 潘婉琪 黄光球 《安全与环境学报》 CAS CSCD 北大核心 2022年第5期2832-2844,共13页
为了提高VOCs质量浓度预测精度,实现VOCs聚集态势感知,采用RF-LSTM方法提出了基于浓度预测的VOCs聚集态势感知法,简称聚集态势感知法,该方法将态势感知的概念引入VOCs研究,将区域VOCs聚集态势直观展示出来。首先在区域网格划分的基础上... 为了提高VOCs质量浓度预测精度,实现VOCs聚集态势感知,采用RF-LSTM方法提出了基于浓度预测的VOCs聚集态势感知法,简称聚集态势感知法,该方法将态势感知的概念引入VOCs研究,将区域VOCs聚集态势直观展示出来。首先在区域网格划分的基础上利用距离平方反比进行空间插值,收集区域VOCs数据信息;其次利用随机森林结合长短时记忆神经网络对网格VOCs质量浓度进行预测;最后根据预测结果计算VOCs聚集态势值,并将态势感知结果可视化。以西安市某区为例进行VOCs质量浓度预测及VOCs聚集态势感知,结果表明:与RF模型、LSTM模型相比,RF-LSTM模型减少了输入变量,实现了VOCs质量浓度预测模型输入参数的优化,降低了预测模型的复杂度,提高了预测精度,得到RF-LSTM模型的平均绝对误差、均方根误差、平均绝对百分比误差分别为6.24、9.75、10.36%;VOCs聚集态势感知能够对区域VOCs聚集的发展趋势和状态进行可视化,传达了更多的信息,具有一定的实用价值。因此,该聚集态势感知方法可以为区域VOCs污染防治和预警提供决策支持。 展开更多
关键词 环境工程学 VOCs聚集 rf-lstm 浓度预测 态势感知
下载PDF
极端天气下基于RF-LSTM的配电网馈线薄弱环节识别方法 被引量:5
4
作者 周丹阳 黄晓燕 《浙江电力》 2022年第12期71-78,共8页
为增强配电网对极端天气的主动防御能力,提高供电可靠性,提出了一种基于RF(随机森林)结合LSTM(长短期记忆网络)的配电网馈线薄弱环节识别方法。首先,基于历史运行数据利用LSTM对极端天气发生时的潮流进行短时预测,并将预测结果和气象预... 为增强配电网对极端天气的主动防御能力,提高供电可靠性,提出了一种基于RF(随机森林)结合LSTM(长短期记忆网络)的配电网馈线薄弱环节识别方法。首先,基于历史运行数据利用LSTM对极端天气发生时的潮流进行短时预测,并将预测结果和气象预报信息等作为故障预测模型的输入参数。然后,采用RF算法构建极端天气场景下配电网的馈线故障预测模型,并对历史数据进行学习和训练。最后,将LSTM预测得到的短期潮流数据、气象参数和网架信息输入到RF预测模型中并进行运算,预测配电网馈线的故障概率并划分其薄弱等级,最终实现极端天气下配电网馈线的薄弱环节识别。仿真实验结果表明,该方法能够准确识别配电网馈线的薄弱环节,对提升配电网的主动运维能力具有实用参考价值。 展开更多
关键词 配电网 极端天气 rf-lstm算法 故障预测 薄弱环节识别
下载PDF
基于多因素RF-LSTM模型的上证指数预测研究
5
作者 徐泽良 朱小栋 《中国物价》 2022年第12期58-60,共3页
金融市场一直以来都是研究的热点领域,股票作为金融市场的重要产品也备受关注。传统的统计方法无法很好地同时满足金融数据的非线性和高度时序性,而基于单因素的机器学习方法又无法完美地解释金融数据的高度波动性。本文结合前人的研究... 金融市场一直以来都是研究的热点领域,股票作为金融市场的重要产品也备受关注。传统的统计方法无法很好地同时满足金融数据的非线性和高度时序性,而基于单因素的机器学习方法又无法完美地解释金融数据的高度波动性。本文结合前人的研究,选择了经济、技术、相关市场和投资者情绪四大影响因素,共计43个重要变量并划分出三个子样本,采用基于多因素RF-LSTM模型来预测上证指数收盘价。实证结果表明,在不同的趋势下,基于多因素的RF-LSTM模型平均表现优于统计模型ARIMA、单因素的SVR和LSTM模型。进一步分析发现今日开盘价是模型中最重要的变量,投资者情绪在不同趋势下对模型有着不同程度的影响。这将为后续研究金融数据提供新的思路和借鉴,也为经济发展趋势和市场监管提供新的理论依据。 展开更多
关键词 上证指数 统计模型 机器学习 多因素rf-lstm
下载PDF
基于RF-LSTM的地表水体水质预测 被引量:16
6
作者 郝玉莹 赵林 +1 位作者 孙同 乔治 《水资源与水工程学报》 CSCD 北大核心 2021年第6期41-48,共8页
水质预测是水污染防治的重要一环,为提高水质预测的精度,研究随机森林算法(RF)与长短时记忆神经网络(LSTM)相结合的预测方法。以桃林口水库水质监测数据为例,采用RF算法分别筛选出影响高锰酸盐指数(COD Mn)、氨氮(NH_(3)—N)、总氮(TN)... 水质预测是水污染防治的重要一环,为提高水质预测的精度,研究随机森林算法(RF)与长短时记忆神经网络(LSTM)相结合的预测方法。以桃林口水库水质监测数据为例,采用RF算法分别筛选出影响高锰酸盐指数(COD Mn)、氨氮(NH_(3)—N)、总氮(TN)和总磷(TP)浓度变化的关键特征,在此基础上构建基于RF-LSTM的水质预测模型,并与单一LSTM、RF-BPNN和RF-RNN模型的预测效果进行对比。结果表明:RF-LSTM模型的预测效果均优于其他模型,预测COD Mn、NH_(3)—N、TN和TP未来4 h浓度时的决定系数(R^(2))分别达到0.986、0.990、0.989和0.988,具有极高的预测精度和较强的泛化能力。研究结果为实现高精度水质预测提供了新思路。 展开更多
关键词 水质预测 长短时记忆神经网络 随机森林 特征选择
下载PDF
基于随机森林和长短期记忆网络模型的高压气井环空带压预测方法
7
作者 张智 王翔辉 +1 位作者 黄媚 冯少波 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期167-178,共12页
高压气井在生产过程中持续的环空带压容易引起套管柱变形或挤毁,是高压气井完整性失效的主要原因之一。为解决传统方法环空带压预测精度不高的问题,以鄂尔多斯盆地苏里格气田某高压气井为例,首先利用主成分分析法和相关系数法找到影响... 高压气井在生产过程中持续的环空带压容易引起套管柱变形或挤毁,是高压气井完整性失效的主要原因之一。为解决传统方法环空带压预测精度不高的问题,以鄂尔多斯盆地苏里格气田某高压气井为例,首先利用主成分分析法和相关系数法找到影响环空带压的主要因素,然后使用高压气井井筒温压场理论值和孤立森林模型对主成分进行物理解释和数据清洗,再对清洗后的数据使用随机森林(RF)和长短期记忆网络(LSTM)模型建立了环空带压定量预测模型,并对两类模型进行权重组合,最终建立了精确度高于任意单一模型的RF—LSTM组合环空带压预测新模型。研究结果表明:(1)环空带压的主要影响因子有温度分量、压力分量、产量分量、腐蚀程度、生产状态,而温度分量与环空带压间存在最高关联性;(2)通过错误格式、离群点及基于井筒温压场的数据清洗,可以得到数据清洗后的环空带压影响因素训练集;(3)通过平均绝对误差法(MAE)能够建立误差分数小于任意单一模型,而拟合优度介于两者之间的组合模型,因此可以将具有高拟合优度和低误差分数的两类模型结合,从而组合出同时满足两种分数的组合模型。结论认为:(1)运用大数据挖掘技术及算法进行环空带压定量预测,方法新颖,预测精度高,结果可行;(2)该方法为现场环空带压预测和风险管控提供了决策工具参考,为实现环空带压风险实时预测、预警和管控提供了理论支撑。 展开更多
关键词 环空带压 数据挖掘 随机森林 主成分分析 LSTM 大数据 预测方法
下载PDF
基于多模型融合的中长期径流集成预测方法 被引量:1
8
作者 朱非林 陈嘉乙 +2 位作者 张咪 徐向荣 钟平安 《水力发电》 CAS 2024年第2期6-13,29,共9页
中长期水文预报是流域水资源规划与合理配置的重要依据。为提高中长期径流预测精度,提出了一种基于多模型融合的水库中长期径流集成预测方法。该方法将ARMA、BP、LSTM、RF和SVR等5个异质预测模型进行融合,同时采用超参数优化方法确定各... 中长期水文预报是流域水资源规划与合理配置的重要依据。为提高中长期径流预测精度,提出了一种基于多模型融合的水库中长期径流集成预测方法。该方法将ARMA、BP、LSTM、RF和SVR等5个异质预测模型进行融合,同时采用超参数优化方法确定各模型的最优参数。将其用于青海省龙羊峡水库的中长期径流预报中,结果表明,通过Stacking融合算法建立的集成预测模型相较于单一模型,取得了更高的预测精度(R2值由0.71提升至0.82)。此方法可为提升流域中长期径流预测精度提供一定参考。 展开更多
关键词 中长期径流预报 ARMA BP LSTM RF SVR 多模型融合 集成预测 Stacking融合算法 超参数寻优 龙羊峡水库
下载PDF
面向喷染车间的挥发性有机物质量浓度预测方法及应用研究 被引量:1
9
作者 彭来湖 张权 +1 位作者 李建强 李杨 《安全与环境学报》 CAS CSCD 北大核心 2024年第1期186-195,共10页
以喷染车间挥发性有机物为研究对象,对喷染车间挥发性有机物(Volatile Organic Compounds, VOCs)质量浓度预测方法进行研究。首先,使用随机森林(Random Forest, RF)算法对影响喷染车间挥发性有机物质量浓度的特征变量进行权重分析。同时... 以喷染车间挥发性有机物为研究对象,对喷染车间挥发性有机物(Volatile Organic Compounds, VOCs)质量浓度预测方法进行研究。首先,使用随机森林(Random Forest, RF)算法对影响喷染车间挥发性有机物质量浓度的特征变量进行权重分析。同时,构建基于长短期记忆神经网络(Long-Term and Short-Term Memory Neural Network, LSTM)的挥发性有机物质量浓度预测模型,并在此基础上引入麻雀搜索算法(Sparrow Search Algorithm, SSA)进行参数优化选择。最后,以浙江省杭州市某汽车喷染车间7月29日—10月28日的数据为样本,将温度、相对湿度、室内大气压、室外大气压作为模型输入变量,并与LSTM模型、随机森林-长短期记忆神经网络(Random Forest-Long Short-Term Memory neural network, RF-LSTM)模型、随机森林-反向传播神经网络(Random Forest-BP neural network, RF-BP)模型进行对比试验。结果显示,基于随机森林-麻雀搜索算法-长短期记忆神经网络(Random Forest-Sparrow Search Algorithm-Long Short-Term Memory neural network, RF-SSA-LSTM)模型的预测效果最佳,平均绝对误差、均方根误差和决定系数分别为2.812 2、3.457 4、0.988。同时,为验证RF-SSA-LSTM模型性能,通过不同时间步长实现对喷染车间VOCs质量浓度预测,结果显示预测误差较小,在可接受范围内。RF-SSA-LSTM预测模型提高了挥发性有机物质量浓度的预测精度,为减少挥发性有机物排放提供科学依据。 展开更多
关键词 安全卫生工程技术 挥发性有机物 随机森林 麻雀搜索算法 LSTM神经网络
下载PDF
RF-MIP-LSTM股价预测模型
10
作者 张颖 李路 《计算机工程与应用》 CSCD 北大核心 2024年第17期272-281,共10页
长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了... 长短时记忆(LSTM)神经网络在预测股价波动这类复杂的非线性系统中展现了较好的性能,然而LSTM模型没有考虑三个门控机制的耦合关系和长时记忆对模型输入的影响。通过增加输入门控的长时记忆窥视和耦合了三个门控机制的唯一门机制,增强了长时记忆信息传递和模型的稳定性,构建了基于随机森林特征选择的RF-MIP-LSTM模型,并推导了模型的前向与反向传播算法。通过对中国农业银行、盐田港、格力电器三只股票价格和上证指数的预测和比较,表明RF-MIP-LSTM模型的收敛速度和预测精度均优于LSTM模型。 展开更多
关键词 股价预测 随机森林(RF) 长短时记忆(LSTM)神经网络 长时窥视孔
下载PDF
基于双重自注意力机制和长短时记忆网络的剩余寿命预测
11
作者 吴嘉俊 苏春 张玉茹 《系统工程与电子技术》 EI CSCD 北大核心 2024年第6期1986-1994,共9页
剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预... 剩余使用寿命(remaining useful life,RUL)预测是产品故障预测与健康管理的重要内容。传统长短期记忆(long short-term memory,LSTM)网络无法主动选择关键特征、难以高效提取大数据所蕴含的退化信息。提出一种基于改进LSTM网络的RUL预测方法,采用随机森林(random forest,RF)算法筛选输入特征,以主动选取关键特征;采用双重自注意力机制分别从特征维度和时间维度完成权重自适应分配,使模型在学习过程中关注主要特征和历史时间点;通过融合统计特征,以提高RUL预测精度。以航空发动机数据集为例完成案例分析,验证方法有效性。结果表明,所提方法能有效提高基于复杂数据集的RUL预测精度。 展开更多
关键词 剩余寿命预测 随机森林 双重自注意力机制 长短期记忆网络 航空发动机
下载PDF
基于SA-RF的公路隧道交通流数据修复模型研究
12
作者 付立家 陈丽阳 尚康 《公路交通技术》 2023年第6期137-144,182,共9页
为保障公路隧道交通流数据完整性,同时为公路隧道运营决策提供稳定数据支撑,采用SA-RF模型预测修补公路隧道交通流数据缺失数据,根据交通流数据缺失模式,分别建立单变量和多变量修复模式,并将两者相结合构建了SA-RF综合修复模型,以预测... 为保障公路隧道交通流数据完整性,同时为公路隧道运营决策提供稳定数据支撑,采用SA-RF模型预测修补公路隧道交通流数据缺失数据,根据交通流数据缺失模式,分别建立单变量和多变量修复模式,并将两者相结合构建了SA-RF综合修复模型,以预测修补公路隧道交通流数据,同时对比分析了不同修复模型在3%、5%、10%和15%缺失率下的修复效果。实例证明,SA-RF综合修复模型在不同缺失率下均可高精度修复交通流缺失数据,且修复精度均高于同等缺失率的RF、LSTM、均值插补修复方法。 展开更多
关键词 公路隧道 交通流缺补 综合修复模型 SA-RF LSTM 均值插补
下载PDF
融合集成模型与深度学习的机床能耗识别与预测方法 被引量:3
13
作者 谢阳 戴逸群 +1 位作者 张超勇 刘金锋 《中国机械工程》 EI CAS CSCD 北大核心 2023年第24期2963-2974,共12页
针对能耗过程识别方法存在的多源影响、高质量特征提取与选择以及复杂性和非线性等问题,提出了一种融合集成模型与深度学习的机床能耗识别与预测方法。以数控铣削加工为例,建立基于不同切削时段的能耗模型,并通过小波变换进行信号预处... 针对能耗过程识别方法存在的多源影响、高质量特征提取与选择以及复杂性和非线性等问题,提出了一种融合集成模型与深度学习的机床能耗识别与预测方法。以数控铣削加工为例,建立基于不同切削时段的能耗模型,并通过小波变换进行信号预处理。利用预处理信号对融合随机森林(RF)与长短时记忆(LSTM)神经网络的模型(RF-LSTM模型)进行训练和能耗预测,同时利用RF识别切削阶段,实现能耗分类预测。通过实际案例来证明所提方法的有效性和优越性,利用RF-LSTM模型对比其他四种方案,验证了该识别方法能够精准预测机床不同运行状态以及能量消耗。 展开更多
关键词 能耗模型 随机森林 长短时记忆神经网络 能耗预测
下载PDF
利用出租车GPS轨迹数据进行短时交通流量预测:以重庆市解放碑街区为例 被引量:2
14
作者 汪孝之 牟凤云 +1 位作者 张用川 王俊秀 《科学技术与工程》 北大核心 2023年第28期12265-12274,共10页
交通流量预测是智能交通系统的重要组成部分。以重庆市解放碑街区为研究区域进行交通流量预测分析,基于研究区域内出租车GPS轨迹数据处理获取时间间隔为5、10、15 min的交通流量序列。同时为充分挖掘交通流量序列特征规律,减小序列非线... 交通流量预测是智能交通系统的重要组成部分。以重庆市解放碑街区为研究区域进行交通流量预测分析,基于研究区域内出租车GPS轨迹数据处理获取时间间隔为5、10、15 min的交通流量序列。同时为充分挖掘交通流量序列特征规律,减小序列非线性、非平稳性带来的影响,提出一种基于信号分解的预测模型LE-RL(linear regression model-empirical mode decomposition-random forest-long short-term memory network)。通过一般线性模型(linear regression model,LR)将原始序列分解成周期序列、趋势序列和残差,同时引入经验模态分解(empirical mode decomposition,EMD)方法对残差进一步分解以充分挖掘序列特征;模型预测方面,构建随机森林(random forest,RF)模型对周期序列和趋势序列进行预测,接着引入长短期记忆网络模型(long short-term memory network,LSTM)构建RF-LSTM残差模型对EMD分解的各分量进行预测,通过叠加各模型预测成果得到最终预测结果;为验证模型精度,设置对照模型进行比对。结果表明:所构建的LE-RL模型在预测精度上均高于对照模型,可以满足基于不同样本时间间隔的交通流量预测的需要。 展开更多
关键词 交通流量预测 时间序列分解 长短期记忆网络(LSTM) 随机森林(RF) 机器学习
下载PDF
基于神经网络模型的绵阳市空气质量指数预测 被引量:2
15
作者 诸鑫 林孝先 +3 位作者 刘庆红 董廷旭 刘慧丽 尹小康 《绵阳师范学院学报》 2023年第8期112-118,共7页
随着工业化的不断推进和城市化不断的发展,空气质量变差的问题在全国范围内都变得普遍,空气质量指数(AQI)是反映空气中污染物程度的综合指标,通过Python语言编写RF模型、CNN-LSTM模型以及GRU模型分别对绵阳市2016-2021年的空气质量数据... 随着工业化的不断推进和城市化不断的发展,空气质量变差的问题在全国范围内都变得普遍,空气质量指数(AQI)是反映空气中污染物程度的综合指标,通过Python语言编写RF模型、CNN-LSTM模型以及GRU模型分别对绵阳市2016-2021年的空气质量数据和气象数据进行训练,并预测出2022年1月1日至2022年1月7日的AQI具体值,对比预测值与真实值,结果显示RF模型准确率更高,因此RF模型更适合用于对AQI的预测,为防治大气污染提供更科学的方法. 展开更多
关键词 CNN-LSTM模型 GRU模型 RF模型 神经网络 空气质量预测
下载PDF
基于深度学习的网络流量异常识别与检测 被引量:11
16
作者 邓华伟 李喜旺 《计算机系统应用》 2023年第2期274-280,共7页
针对传统的工控网络流量数据在复杂网络环境下特征维度高,特征处理复杂度高,模型检测效率低等问题,本文使用了一种基于随机森林(random forest,RF)和长短期记忆网络(long short-term memory,LSTM)结合的流量异常识别与检测方法.首先使... 针对传统的工控网络流量数据在复杂网络环境下特征维度高,特征处理复杂度高,模型检测效率低等问题,本文使用了一种基于随机森林(random forest,RF)和长短期记忆网络(long short-term memory,LSTM)结合的流量异常识别与检测方法.首先使用随机森林算法计算流量特征的重要度评分,筛选出重要特征,剔除冗余特征,然后使用LSTM进行异常流量的识别与检测.为了评估模型的有效性与优越性,本文使用准确率、精确率、召回率和F1-score进行模型评价,并与传统的机器学习方法Naive Bayes、QDA、KNN算法进行对比.实验结果表明,在公开数据集CIC-IDS-2017中,异常流量识别的总体准确率达99%.与传统的机器学习算法相比,该方法有效地提高了复杂网络环境下异常检测的准确性和效率,在工业控制网络安全和异常检测方面具有实际应用价值. 展开更多
关键词 异常检测 随机森林 特征选择 深度学习 长短期记忆网络
下载PDF
基于RF变量选择与LSTM回归的长期用电量预测模型 被引量:3
17
作者 吴翔宇 荀超 +3 位作者 肖芬 林可尧 林超群 陈伯建 《电气传动》 2023年第5期71-76,共6页
由于当前长期用电量预测方法难以解决变量选择问题,造成用电量预测结果不准确,为此将随机森林(RF)算法变量选择与长短期记忆(LSTM)网络回归两者结合,设计基于RF变量选择与LSTM回归的长期用电量预测模型。采用RF方法对单一变量的重要性... 由于当前长期用电量预测方法难以解决变量选择问题,造成用电量预测结果不准确,为此将随机森林(RF)算法变量选择与长短期记忆(LSTM)网络回归两者结合,设计基于RF变量选择与LSTM回归的长期用电量预测模型。采用RF方法对单一变量的重要性进行评估,获取各项影响因素与用电量之间的相关系数,然后选取其中取值较高的变量作为用电量预测的依据。结合RF变量选择结果,分析动力系统理论,采用收敛交叉映射方法研究用电量与工业发展水平、温度等因素之间的关系,基于各因素之间的关系结合LSTM回归方法,组建用电量预测模型,实现长期用电量预测。研究结果表明,与传统方法相比,所设计模型的用电量预测精度与预测效率较高,能够快速、准确地完成长期用电量预测,表明该模型的应用价值更高。 展开更多
关键词 变量选择 随机森林算法 长短期记忆回归 长期用电量 预测模型
下载PDF
基于LSTM网络的综合射频模块温度的预测研究 被引量:3
18
作者 陈卫卫 李鑫 +1 位作者 时林林 俞鹏飞 《计算机测量与控制》 2022年第7期84-90,共7页
随着电子产品及集成电路的快速发展,其电子产品的故障预测研究引起了高度重视,但准确预测其使用寿命难度还是很大,目前针对电子产品主要采用状态监控和健康管理,从而实现状态的预测。以此为出发点,构建综合射频模块温度的状态预测模型,... 随着电子产品及集成电路的快速发展,其电子产品的故障预测研究引起了高度重视,但准确预测其使用寿命难度还是很大,目前针对电子产品主要采用状态监控和健康管理,从而实现状态的预测。以此为出发点,构建综合射频模块温度的状态预测模型,该预测模型首先将设备的时域特征数据转换为有监督的样本数据集,然后建立原始参数集、预测模型的训练集和测试集,接着建立LSTM深度学习网络结构,进行参数调整设置并运行模型,最后获得预测值和观测值的误差曲线;采用该方法在某典型任务场景中进行了应用验证,获得综合射频模块的温度预测的准确度为98.7%,达到了较好的预测效果和精度。 展开更多
关键词 综合射频模块 温度 LSTM模型 预测样本 预测准确度
下载PDF
基于长短期记忆网络和注意力机制的油井产油量预测 被引量:5
19
作者 潘少伟 郑泽晨 +2 位作者 王吉哲 蔡文斌 王朝阳 《科学技术与工程》 北大核心 2021年第30期13010-13015,共6页
准确预测油井产油量在油田生产中具有非常重要的意义。针对传统的线性预测方法中存在的适应性差问题,以及在时序处理时难以很好地拟合历史数据问题,提出使用长短期记忆网络和注意力机制来提取油田生产数据中存在的时序关系和增强油井产... 准确预测油井产油量在油田生产中具有非常重要的意义。针对传统的线性预测方法中存在的适应性差问题,以及在时序处理时难以很好地拟合历史数据问题,提出使用长短期记忆网络和注意力机制来提取油田生产数据中存在的时序关系和增强油井产油量预测模型的可移植性,并分析了时间滞后、学习率衰减和神经元随机失活3个参数对油井产油量预测模型的影响,发现当这3个参数分别为36、0.3和0.8时,油井产油量预测模型的表现最佳。在利用随机森林方法补全动液面的缺失数据后,使用获得的3个最优参数建立油井产油量预测模型,并将该模型应用于中国南方某油田3口油井的产油量预测中。具体的预测结果是:H3-32井后期的实际产油总量为1470.5 t,预测值为1442.33 t,相对误差为1.92%;H3-34井后期的实际产油总量为1564.5 t,预测值为1545.98 t,相对误差为1.20%;H3-35井后期的实际产油总量为742.2 t,预测值为772.12 t,相对误差为4.05%。由此可见,基于长短期记忆网络和注意力机制的油井产油量预测模型具有较高的准确率。研究结果可应用于中国油田生产开发方案的制订,对中国油田科技水平的进步具有非常重要的理论与现实意义。 展开更多
关键词 长短期记忆网络(LSTM) 注意力机制 随机森林 油井 产油量
下载PDF
基于SCADA数据的风电机组齿轮箱状态监测方法 被引量:15
20
作者 尹诗 侯国莲 +2 位作者 于晓东 王其乐 弓林娟 《太阳能学报》 EI CAS CSCD 北大核心 2021年第1期324-332,共9页
为解决故障劣化渐变过程的长时间序列对齿轮箱状态监测模型的影响问题,提升其决策精度,提出一种基于数据采集与监控(SCADA)数据的组合建模方法。首先,采用主成分分析法(PCA)选取与齿轮箱温度密切相关的输入观测向量,并应用长短期记忆(LS... 为解决故障劣化渐变过程的长时间序列对齿轮箱状态监测模型的影响问题,提升其决策精度,提出一种基于数据采集与监控(SCADA)数据的组合建模方法。首先,采用主成分分析法(PCA)选取与齿轮箱温度密切相关的输入观测向量,并应用长短期记忆(LSTM)神经网络分别对齿轮箱正常工况和异常工况独立建立温度模型;其次,结合模型输出结果与SCADA数据提取残差分布特征向量,建立随机森林残差分布模型对机组齿轮箱运行状态进行监测;最后,对某大型风电场机组进行模型建立和仿真研究。结果表明,基于LSTM神经网络结合随机森林算法对风电机组齿轮箱状态监测有较强的实用性和较高的准确率,为后续开展齿轮箱健康度评价提供了新的方法和思路。 展开更多
关键词 风电机组 状态监测 长短期记忆神经网络 主成分分析 随机森林 齿轮箱
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部