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
基于ISSA-GRU的混凝土抗压强度预测
1
作者
段妹玲
张单
+2 位作者
袁锦虎
孙爱军
强晟
《硅酸盐通报》
CAS
北大核心
2023年第7期2392-2400,共9页
考虑到抗压强度对混凝土设计的重要影响,本文提出了改进麻雀搜索算法(ISSA)和门控循环单元(GRU)结合的ISSA-GRU预测模型,实现对高性能混凝土抗压强度的精准预测。对收集的数据集进行归一化处理后,利用基于光谱-理化值共生距离(SPXY)法...
考虑到抗压强度对混凝土设计的重要影响,本文提出了改进麻雀搜索算法(ISSA)和门控循环单元(GRU)结合的ISSA-GRU预测模型,实现对高性能混凝土抗压强度的精准预测。对收集的数据集进行归一化处理后,利用基于光谱-理化值共生距离(SPXY)法对数据集进行训练集和测试集划分,采用GRU对高性能混凝土抗压强度进行回归预测,并通过引入动态惯性权重的ISSA,加强对GRU网络参数的寻优效率。结果表明,在使用相同数据样本的情况下,将ISSA-GRU模型与长短期记忆(LSTM)网络、核极限学习机(KELM)和支持向量回归(SVR)模型进行比较,其均方根误差RMSE分别降低了9.3%、37.5%、33.5%,平均绝对误差MAE分别降低了13.5%、38.5%、41.7%。同时,研究了训练集数据量和输入变量对模型预测性能的影响,研究结果表明,所提出的模型能高效寻找超参数,具有较高的预测精度和较好的适应性,为多样化原材料和混凝土特定性能的发展提供可行参考。
展开更多
关键词
高性能混凝土
门控循环单元
动态惯性权重
麻雀搜索算法
深度学习
强度预测
下载PDF
职称材料
计及组合区间不确定性分析的光伏出力动静态赋权搜索预测模型
2
作者
蒋莹莹
田建艳
+1 位作者
姬政雄
郭恒宽
《电网技术》
EI
2024年第6期2469-2479,I0056-I0059,共15页
针对目前光伏出力确定性预测缺乏考虑不确定性信息导致预测精度受限的问题,提出了一种计及组合区间不确定性分析的光伏出力动静态赋权搜索预测模型。首先分别构建卷积神经网络(convolutional neural network,CNN)-注意力机制(attention)...
针对目前光伏出力确定性预测缺乏考虑不确定性信息导致预测精度受限的问题,提出了一种计及组合区间不确定性分析的光伏出力动静态赋权搜索预测模型。首先分别构建卷积神经网络(convolutional neural network,CNN)-注意力机制(attention)-双向长短期记忆网络(bidirectional long-short term memory,BiLSTM)(CNN-Attention-BiLSTM)和自然梯度提升(natural gradient boosting,NGBoost)模型进行确定性预测;然后通过分析2个模型的确定性预测值和真实值的分布揭示了组合区间相对可靠性规律,基于该规律提出一种动静态赋权搜索预测模型,利用NGBoost模型进行不确定性预测,并根据所提供的概率分布信息,动态区分确定性预测结果的重要性,结合模型历史静态的指标评价信息,实现组合区间内搜索预测结果;最后采用澳大利亚沙漠知识太阳能中心和宁夏某光伏电站的数据集进行仿真研究,验证了该文方法的有效性和适用性,可为光伏出力确定性组合预测提供新的研究思路。
展开更多
关键词
光伏出力预测
CNN-Attention-BiLSTM
NGBoost
组合区间相对可靠性规律
动静态赋权搜索预测
下载PDF
职称材料
题名
基于ISSA-GRU的混凝土抗压强度预测
1
作者
段妹玲
张单
袁锦虎
孙爱军
强晟
机构
河海大学水利水电学院
中国电建集团华东勘测设计研究院有限公司
江西省鄱阳湖水利枢纽建设办公室
余姚市水利局
出处
《硅酸盐通报》
CAS
北大核心
2023年第7期2392-2400,共9页
基金
国家自然科学基金(52079049)
宁波市水利科技项目(NSKA202343)。
文摘
考虑到抗压强度对混凝土设计的重要影响,本文提出了改进麻雀搜索算法(ISSA)和门控循环单元(GRU)结合的ISSA-GRU预测模型,实现对高性能混凝土抗压强度的精准预测。对收集的数据集进行归一化处理后,利用基于光谱-理化值共生距离(SPXY)法对数据集进行训练集和测试集划分,采用GRU对高性能混凝土抗压强度进行回归预测,并通过引入动态惯性权重的ISSA,加强对GRU网络参数的寻优效率。结果表明,在使用相同数据样本的情况下,将ISSA-GRU模型与长短期记忆(LSTM)网络、核极限学习机(KELM)和支持向量回归(SVR)模型进行比较,其均方根误差RMSE分别降低了9.3%、37.5%、33.5%,平均绝对误差MAE分别降低了13.5%、38.5%、41.7%。同时,研究了训练集数据量和输入变量对模型预测性能的影响,研究结果表明,所提出的模型能高效寻找超参数,具有较高的预测精度和较好的适应性,为多样化原材料和混凝土特定性能的发展提供可行参考。
关键词
高性能混凝土
门控循环单元
动态惯性权重
麻雀搜索算法
深度学习
强度预测
Keywords
high-performance concrete
gate recurrent unit
dynamic
inertia weight
sparrow search algorithm
deep learning
strength
prediction
分类号
TU528.01 [建筑科学—建筑技术科学]
下载PDF
职称材料
题名
计及组合区间不确定性分析的光伏出力动静态赋权搜索预测模型
2
作者
蒋莹莹
田建艳
姬政雄
郭恒宽
机构
太原理工大学电气与动力工程学院
出处
《电网技术》
EI
2024年第6期2469-2479,I0056-I0059,共15页
基金
山西省基础研究计划项目(202303021221026)。
文摘
针对目前光伏出力确定性预测缺乏考虑不确定性信息导致预测精度受限的问题,提出了一种计及组合区间不确定性分析的光伏出力动静态赋权搜索预测模型。首先分别构建卷积神经网络(convolutional neural network,CNN)-注意力机制(attention)-双向长短期记忆网络(bidirectional long-short term memory,BiLSTM)(CNN-Attention-BiLSTM)和自然梯度提升(natural gradient boosting,NGBoost)模型进行确定性预测;然后通过分析2个模型的确定性预测值和真实值的分布揭示了组合区间相对可靠性规律,基于该规律提出一种动静态赋权搜索预测模型,利用NGBoost模型进行不确定性预测,并根据所提供的概率分布信息,动态区分确定性预测结果的重要性,结合模型历史静态的指标评价信息,实现组合区间内搜索预测结果;最后采用澳大利亚沙漠知识太阳能中心和宁夏某光伏电站的数据集进行仿真研究,验证了该文方法的有效性和适用性,可为光伏出力确定性组合预测提供新的研究思路。
关键词
光伏出力预测
CNN-Attention-BiLSTM
NGBoost
组合区间相对可靠性规律
动静态赋权搜索预测
Keywords
PV output
prediction
CNN-Attention-BiLSTM
NGBoost
relative reliability law of the combined interval
dynamic and static weighted searching prediction
分类号
TM721 [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
基于ISSA-GRU的混凝土抗压强度预测
段妹玲
张单
袁锦虎
孙爱军
强晟
《硅酸盐通报》
CAS
北大核心
2023
0
下载PDF
职称材料
2
计及组合区间不确定性分析的光伏出力动静态赋权搜索预测模型
蒋莹莹
田建艳
姬政雄
郭恒宽
《电网技术》
EI
2024
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