期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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
共找到71篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选0条
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：
基于BO-GRU-KDE的心率变异性频域指标预测的研究 认领 引用
1
作者 王健 邢科家 +1 位作者 马灿 董云逸 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2026年第1期376-389,共14页
岗位作业疲劳的研究与铁路运营安全密切相关,疲劳检测技术可为保障运营安全、构建事故预防体系、提升岗位作业质量提供技术支撑。然而,现有检测技术主要关注疲劳状态的事后识别,缺乏对疲劳趋势的判断,导致干预滞后。预测疲劳特征指标可... 岗位作业疲劳的研究与铁路运营安全密切相关,疲劳检测技术可为保障运营安全、构建事故预防体系、提升岗位作业质量提供技术支撑。然而,现有检测技术主要关注疲劳状态的事后识别,缺乏对疲劳趋势的判断,导致干预滞后。预测疲劳特征指标可增强检测技术的前瞻性,为提前干预提供支持。基于HRV的疲劳检测方法在客观性和适用性方面具有明显优势。神经网络预测HRV时域指标的能力已得到验证,然而现有研究存在局限性,一是数值预测模型无法表征预测结果的不确定性,二是HRV频域指标的预测研究仍处于空白状态。本研究将指标预测问题与HRV频域分析结合,构建基于贝叶斯优化神经网络和核密度估计(BO-GRU-KDE)的模型实现HRV频域指标预测和置信区间估计。首先,介绍基于脉搏波的HRV频域指标采样方法;其次,通过贝叶斯优化改进GRU神经网络的超参数,实现频域指标预测;最后,运用核密度估计量化预测误差区间,为疲劳干预决策提供统计学依据。以铁路在岗车站值班员为实验对象采集8组数据,通过交叉验证检验预测结果,对比LSTM、GRU、BO-LSTM-KDE和BO-GRU-KDE模型的性能。实验表明:在LF、HF、TP和LF/HF的预测任务中,BO-GRU-KDE模型都实现了高精度预测,拟合度和均方根误差指标均优于其他对比模型。研究结果可为应对铁路运输岗位疲劳、保障生产安全提供参考和技术支持。 展开更多
关键词 铁路安全 疲劳预测 神经网络 核密度估计 心率变异性
暂未订购 下载PDF
基于改进核密度估计的山区道路事故高风险点预判研究 认领 引用
2
作者 程瑞 秘运健 +1 位作者 盘烨 王涛 《大连交通大学学报》 CAS 2026年第4期37-45,共9页
山区道路路况差、行车环境复杂,交通事故频发且伤亡严重。为提高山区道路行车安全水平,以2019—2023年桂林市山区道路交通事故数据为基础,采用考虑事故严重度的核密度估计方法综合评估交通事故高风险路段。首先,依据风险路段鉴别结果,... 山区道路路况差、行车环境复杂,交通事故频发且伤亡严重。为提高山区道路行车安全水平,以2019—2023年桂林市山区道路交通事故数据为基础,采用考虑事故严重度的核密度估计方法综合评估交通事故高风险路段。首先,依据风险路段鉴别结果,将事故样本分为高、低风险两组;其次,通过分析事故风险关键影响因素,并依托贝叶斯网络构建山区道路交通事故高风险点预判模型。结果显示:道路类型、路口路段类型和中央隔离设施对事故伤亡程度具有显著影响,其中道路类型和中央隔离设施直接影响事故风险概率;构建的预判模型可评估不同事故形态、不同严重度下的事故风险概率。研究成果可为制定山区道路差异化事故预防政策提供决策依据。 展开更多
关键词 交通工程 山区道路交通事故 风险预判 核密度估计 贝叶斯网络 差异化
暂未订购 下载PDF
基于GAF-RepLKNet的平头铣刀磨损状态检测方法研究 认领 引用
3
作者 汪静姝 潘星合 +1 位作者 王清峰 马婧华 《振动与冲击》 EI CSCD 北大核心 2026年第9期108-114,共7页
为了提高铣削加工的质量和效率,对加工过程中的刀具磨损状况进行实时检测至关重要,铣削过程中的振动信号常被用于刀具磨损状况检测,然而如何提取振动信号的有效特征并建立高准确度的刀具磨损状况检测方法是当前的研究重点。使用格拉姆角... 为了提高铣削加工的质量和效率,对加工过程中的刀具磨损状况进行实时检测至关重要,铣削过程中的振动信号常被用于刀具磨损状况检测,然而如何提取振动信号的有效特征并建立高准确度的刀具磨损状况检测方法是当前的研究重点。使用格拉姆角场(Gramian angular field, GAF)对一维振动信号进行升维,从而提高信号的表征能力,再利用重参数化大核卷积网络(re-parameterized large kernel network, RepLKNet)自动捕捉和提取GAF图像的特征,进而建立特征与刀具磨损状况的映射关系,最后通过铣削试验和对比试验对模型进行验证。验证结果表明,该方法对不同铣刀磨损状况识别准确率达到98.5%,相比传统的2D卷积神经网络模型和使用一维信号作为输入的RepLKNet模型具有更好的准确性和可靠性。 展开更多
关键词 刀具磨损预测 格拉姆角场(GAF) 重参数化大核卷积网络(RepLKNet)模型
暂未订购 下载PDF
预测扇形孔气膜分布的“核”参数模型 认领 引用
4
作者 傅奕融 李月茹 +1 位作者 陈榴 戴韧 《动力工程学报》 CAS CSCD 北大核心 2026年第1期51-58,共8页
在离散孔群(群孔)覆盖区域的气膜冷却效率计算中,常规计算流体动力学(CFD)模拟面临建模网格复杂与计算资源耗费大的问题。因此,提出了一种参数形式的核函数,以描述单个气膜孔的冷却效率分布特征,预测气膜冷却效率,并结合数据驱动的机器... 在离散孔群(群孔)覆盖区域的气膜冷却效率计算中,常规计算流体动力学(CFD)模拟面临建模网格复杂与计算资源耗费大的问题。因此,提出了一种参数形式的核函数,以描述单个气膜孔的冷却效率分布特征,预测气膜冷却效率,并结合数据驱动的机器学习技术和Sellers气膜冷却效率叠加方法,实现对群孔覆盖域冷却效率分布的高效预测。基于该“核”参数模型,成功复现了7-7-7扇形气膜孔的单孔和三列顺排群孔的冷却效率分布,并在给定区域内,利用整数规划方法获得了区域面平均冷却效率最高的顺排群孔布局。结果表明:“核”参数模型能够准确反映气膜孔覆盖域内冷却效率的分布特征,克服了传统关联式仅预测展向平均冷却效率的局限性,而且显著减少了机器学习所需的样本数量,可适用于不同工况下的气膜冷却效率预测。 展开更多
关键词 气膜冷却 高斯核 人工神经网络 全覆盖预测
暂未订购 下载PDF
基于时频域信号优化器的Mi-MkTCN轴承寿命预测模型 认领 引用
5
作者 刘毅 高雪莲 +3 位作者 李一弘 王永琦 孔玲丽 康立军 《现代制造工程》 北大核心 2026年第2期117-128,共12页
滚动轴承是机械设备中的常见关键部件,准确预测其剩余使用寿命对机械设备的安全稳定运行至关重要。针对目前轴承寿命预测存在的轴承退化特征不明显、模型泛化能力差以及数据长期依赖关系难以捕捉的问题,提出基于时频域信号优化器(Time-F... 滚动轴承是机械设备中的常见关键部件,准确预测其剩余使用寿命对机械设备的安全稳定运行至关重要。针对目前轴承寿命预测存在的轴承退化特征不明显、模型泛化能力差以及数据长期依赖关系难以捕捉的问题,提出基于时频域信号优化器(Time-Frequency domain signal Ratio Optimizer,TFRO)的多重膨胀多核时间卷积网络(Multi inflated Multi kernel Time Convolutional Network,Mi-MkTCN)模型。TFRO优化器为了精准记忆重要信息,在每一个时间节点上,将过去信息和当前信息重组,其中过去信息中的重要的时频域特征经过了有比例的分配。Mi-MkTCN利用多重膨胀确保重要特征不丢失,再利用多核时间卷积网络实现对不同尺度特征的提取。最终的消融对比实验验证了改进方法的有效性,模型的平均绝对误差、均方误差及均方根误差指标分别为0.00145、0.05069和0.12045。实验结果表明,所提方法显著提升了轴承剩余使用寿命的预测精度,为轴承剩余使用寿命预测提供了高精度、高鲁棒性的解决方案。 展开更多
关键词 时频域信号比例优化器 精准记忆TPA 多重膨胀 多核时间卷积网络 轴承剩余使用寿命预测
暂未订购 下载PDF
基于改进型BP神经网络的基坑变形预测方法 认领 引用
6
作者 陈睿 贾飞扬 《市政技术》 2026年第7期238-244,共7页
基坑变形预测是确保地下工程施工安全的重要技术环节,其预测结果的准确性直接关系到支护结构的设计合理性、实际应用有效性以及施工全过程的风险防控水平。因此,首先阐述了BP神经网络进行基坑变形预测的原理,其次介绍了传统BP神经网络... 基坑变形预测是确保地下工程施工安全的重要技术环节,其预测结果的准确性直接关系到支护结构的设计合理性、实际应用有效性以及施工全过程的风险防控水平。因此,首先阐述了BP神经网络进行基坑变形预测的原理,其次介绍了传统BP神经网络基坑预测方式的不足以及改进后(基于核主成分分析技术)的BP神经网络的结构设计和训练机制,并阐述了如何处理异常值。该模型以经过预处理的数据作为输入源,将工程现场积累的基坑变形历史监测数据分为样本集和验证集并分别进行了训练和检验,再利用成熟后的模型对基坑变形进行了预测。试验结果表明,改进型BP神经网络预测方法能够准确捕捉基坑变形演化规律,预测结果与现场实测数据吻合度较高,预测误差控制在工程设计与施工规范允许的范围内。该研究成果为基坑工程的动态安全管控、施工方案优化调整提供了有力的技术支持。 展开更多
关键词 基坑变形 BP神经网络 核主成分分析技术 变形预测
暂未订购 下载PDF
基于MSAK-Net的工作面瓦斯体积分数预测方法 认领 引用
7
作者 王一名 贾澎涛 +4 位作者 李爱军 王晋峰 王润超 王伟峰 杨鸿宇 《中国安全生产科学技术》 CAS CSCD 北大核心 2026年第8期89-97,共9页
为解决现有瓦斯体积分数预测方法存在多尺度特征提取不足、高阶非线性建模能力欠缺的问题,提出1种基于融合多尺度卷积、注意力门控与多阶核优化的瓦斯体积分数预测模型(multi-scale attention-enhanced KAN network,MSAK-Net)。该模型... 为解决现有瓦斯体积分数预测方法存在多尺度特征提取不足、高阶非线性建模能力欠缺的问题,提出1种基于融合多尺度卷积、注意力门控与多阶核优化的瓦斯体积分数预测模型(multi-scale attention-enhanced KAN network,MSAK-Net)。该模型首先通过构建交互式卷积模块,以并行卷积与动态门控机制融合瓦斯序列的趋势与波动特征,然后采用注意力门控循环单元强化关键历史信息以提升模型的长程依赖建模能力,最后利用多阶核自适应网络,结合多阶核映射与多分支卷积实现多尺度整合。研究结果表明:与线性模型、Transformer模型及循环神经网络等对比模型相比,MSAK-Net在MAE(平均绝对误差)和RMSE(均方根误差)上分别降低约1.95%~20.24%、0.87%~15.49%,R2(决定系数)提升约0.13%~2.98%;MSAK-Net的PRE(峰值相对误差)降低了约5.38%~37.81%,RoCE(变化率误差)降低了约1.71%~4.17%,FAR(误报率)降低了约29.94%~66.77%。研究结果可为煤矿瓦斯体积分数预测与智能预警提供方法参考。 展开更多
关键词 瓦斯体积分数预测 交互式卷积 注意力门控循环单元 多阶核自适应网络 多尺度特征融合
暂未订购 下载PDF
基于融合注意力机制的盾构姿态组合预测模型研究 认领 引用 被引量：5
8
作者 刘哲 许超 熊栋栋 《隧道建设（中英文）》 CSCD 北大核心 2025年第1期139-150,共12页
针对盾构姿态预测模型存在易过拟合、预测精度低的问题,提出一种基于融合注意力机制的盾构姿态组合预测模型。为强化有效特征的提取,抑制冗余特征信息的表达,引入基于选择性卷积核网络(selective kernel networks,SKNet)的特征注意力机... 针对盾构姿态预测模型存在易过拟合、预测精度低的问题,提出一种基于融合注意力机制的盾构姿态组合预测模型。为强化有效特征的提取,抑制冗余特征信息的表达,引入基于选择性卷积核网络(selective kernel networks,SKNet)的特征注意力机制提取网络,消除固定尺寸卷积核带来的限制,并自适应形成带有注意力的特征映射。为更好地捕捉长期信息和特征模式,通过双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)、门控循环单元(gated recurrent unit, GRU)得到2组隐含输出结果,再利用多头注意力机制,捕获组合模型输出的隐含特征与模型输出的盾构姿态之间的依赖关系,进一步提高预测模型对重要隐含特征的信息抓捕能力;同时,为解决地质勘察钻孔数据连续性差、精确性不足,难以应用于机器学习模型训练的问题,将基于人工先验知识的二级特征引入模型特征输入,提升模型对地层信息的感知能力。最后,基于广州地铁12号线官洲站—大学城北站盾构实例,对模型不同参数结构下的性能进行研究,并进行对比试验验证模型性能,采用可解释性试验评估特征对预测结果的影响。试验结果表明,相比其他预测模型,所提出的预测模型优越性更好,预测精度更高,解决了长时间序列高特征维度数据在传统模型下易过拟合且预测精度较低的问题。 展开更多
关键词 盾构姿态预测 选择性卷积核网络 特征注意力 组合模型 多头注意力机制
暂未订购 下载PDF
用于雨线和雨滴去除的像素级核预测网络 认领 引用
9
作者 李克文 姚贤哲 +1 位作者 蒋衡杰 刘文龙 《计算机工程与设计》 北大核心 2025年第1期182-189,共8页
针对现有的图像去雨算法通常需要设计先验知识和多阶段优化框架导致算法适应场景单一的问题,提出一种基于图像过滤统一去除雨线和雨滴的去雨核预测网络(RKPN)。有雨图像通过RKPN估计像素级去雨内核。采用空洞卷积提取多尺度特征,提出一... 针对现有的图像去雨算法通常需要设计先验知识和多阶段优化框架导致算法适应场景单一的问题,提出一种基于图像过滤统一去除雨线和雨滴的去雨核预测网络(RKPN)。有雨图像通过RKPN估计像素级去雨内核。采用空洞卷积提取多尺度特征,提出一个多分支特征聚合模块。通过数据增强构建一个雨线和雨滴混合数据集(RDRS),提升现实世界复杂场景中图像去雨算法的效果。对4个公开数据集和RDRS数据集的广泛实验结果表明,所提模型取得均高于MPRNet等主流网络的峰值信噪比和结构相似度。 展开更多
关键词 深度学习 图像去雨 核预测网络 计算机视觉 混合雨模式 图像过滤 注意力机制
暂未订购 下载PDF
基于LsOA-GCN-KELM的课程成绩预测 认领 引用 被引量：1
10
作者 李栋 于琰琰 +1 位作者 任晓菲 王博 《计算机仿真》 2025年第1期263-270,519,共8页
针对目前成绩预测中存在的准确性不高,可解释性不强的问题,提出一种融合多种机器学习技术的成绩预测模型—LsOA-GCN-KELM。其中,图卷积神经网络(Graph Convolutional Network, GCN)主要用于将预测目标课程相关联的课程特征引入到预测模... 针对目前成绩预测中存在的准确性不高,可解释性不强的问题,提出一种融合多种机器学习技术的成绩预测模型—LsOA-GCN-KELM。其中,图卷积神经网络(Graph Convolutional Network, GCN)主要用于将预测目标课程相关联的课程特征引入到预测模型中,使预测模型的特征组成更加全面和多样化。核极限学习机(Kernel Extreme Learning Machine, KELM)主要用于建立特征集与课程成绩之间的非线性映射关系,从而实现成绩预测。由于课程之间可能存在无效链接,为了避免它们对预测模型的干扰,采用雌狮优化算法(Lioness Optimization Algorithm, LsOA)对这些链接进行优化选择。此外,LsOA也被用于KELM的内核参数优化。最后,以某高校计算机科学与技术专业开设的“嵌入式原理与应用A”课程为例,对LsOA-GCN-KELM的预测性能进行了实验,并通过性能评价指标以及统计检验方法将其与其它9种经典的预测方法进行比较分析。分析结果表明,LsOA-GCN-KELM能够获得更好的预测结果。 展开更多
关键词 成绩预测 图卷积神经网络 核极限学习机 雌狮优化算法
暂未订购 下载PDF
增强随机集成的混合核K近邻算法的基站网络流量模型 认领 引用 被引量：1
11
作者 孙宁 李卓轩 +3 位作者 时欣利 孙霈翀 许明杰 曹进德 《国防科技大学学报》 EI CAS CSCD 北大核心 2025年第6期24-35,共12页
面向5G/6G超密集组网的基站网络流量预测需求,提出一种增强随机集成混合核K近邻算法(enhanced random ensemble-based mixed kernel K-nearest neighbor algorithm,ER-MKKNN)。通过融合径向基函数与白噪声核构建混合核函数,突破了单一... 面向5G/6G超密集组网的基站网络流量预测需求,提出一种增强随机集成混合核K近邻算法(enhanced random ensemble-based mixed kernel K-nearest neighbor algorithm,ER-MKKNN)。通过融合径向基函数与白噪声核构建混合核函数,突破了单一核函数在非线性关联建模与噪声抑制间的平衡瓶颈。创新性地引入样本-特征双重随机子采样与超参数区间随机化策略,显著提升了高维稀疏场景的泛化稳定性。基于袋外误差反演的动态权重分配机制,提升了算法对流量突变的鲁棒响应能力。配套设计的多级并行化架构,为超密集组网提供了可扩展的预测解决方案。实验表明,ER-MKKNN在均方根误差、平均绝对百分比误差和平均绝对误差三项指标上均优于所对比深度学习模型,为智能网络运维提供了新的技术路径。 展开更多
关键词 基站网络流量预测 混合核K近邻算法 增强随机集成 多层并行架构
暂未订购 下载PDF
基于多模态图神经网络的miRNA-疾病关联预测模型 认领 引用 被引量：1
12
作者 顾丽丽 蒋静梅 +5 位作者 王慧静 李矗矗 鲍振申 谢斌 孙思 刘文斌 《广州大学学报（自然科学版）》 CAS 2025年第6期78-88,共11页
研究表明,miRNAs与多种疾病的发生发展密切相关。因此,识别miRNA-疾病关联(MDAs)不仅有助于理解疾病发病机制,而且能为开发靶向miRNAs的有效疗法奠定基础。相较于传统生物实验方法,通过计算方法识别MDAs已被证实具有成本低、效率高的优... 研究表明,miRNAs与多种疾病的发生发展密切相关。因此,识别miRNA-疾病关联(MDAs)不仅有助于理解疾病发病机制,而且能为开发靶向miRNAs的有效疗法奠定基础。相较于传统生物实验方法,通过计算方法识别MDAs已被证实具有成本低、效率高的优势。该研究提出一种名为MDAES的新型预测方法,该方法通过整合miRNAs表达数据和相似性网络实现MDAs预测。在MDAES中,首先采用多核学习(MKL)技术从miRNAs和疾病的相似性核矩阵中构建最优核矩阵;其次,运用回归模型获取miRNAs与疾病的特征表示;最后,通过融合miRNAs与疾病的相似性网络特征及miRNAs表达数据特征作为深度神经网络(DNN)的输入,实现MDAs预测。实验结果显示,MDAES在3个基准数据集上均表现出色(AUC均值>0.95),其性能优于现有主流方法。针对乳腺癌和肺癌的案例研究证实,预测结果前30个miRNAs中分别有96%与100%与相应癌症存在关联。总体而言,MDAES作为一种可靠且实用的预测模型,在MDAs识别方面具有良好潜力。 展开更多
关键词 miRNA-疾病关联 多核学习 深度神经网络 相似性网络 链接预测
暂未订购 下载PDF
基于VMD-KPCA-LSTM的桥梁监测应变数据预测 认领 引用 被引量：11
13
作者 张希望 朱前坤 +1 位作者 王宪玉 杜永峰 《应用基础与工程科学学报》 EI CSCD 北大核心 2025年第1期76-86,共11页
桥梁结构健康监测系统在采集数据时会受到各种干扰,数据异常时有发生,难以反应桥梁真实的健康状况.针对数据异常情况,提出了结合变分模态分解(Variational Mode Decomposition,VMD)、核主成分分析(Kernel Principal Component Analysis,... 桥梁结构健康监测系统在采集数据时会受到各种干扰,数据异常时有发生,难以反应桥梁真实的健康状况.针对数据异常情况,提出了结合变分模态分解(Variational Mode Decomposition,VMD)、核主成分分析(Kernel Principal Component Analysis,KPCA)以及长短期记忆神经网络(Long Short-Term Memory neural network,LSTM)的异常数据处理方法,即VMD-KPCA-LSTM.首先,将采集到的数据通过小波降噪和3σ异常剔除进行简单的预处理;然后,利用VMD将数据分解为模态相对稳定的应变分量;再次使用KPCA进行非线性降维;最后,进行各分量的LSTM预测,整合得到总的应变重构时序.与BP模型、GRU模型、LSTM模型和VMD-PCA-LSTM模型相比,VMD-KPCA-LSTM模型的MAPE分别降低了19.948%、13.621%、11.724%、7.238%.因此,提出的VMD-KPCA-LSTM模型可以更好地用于斜拉桥应变异常数据的预测,为桥梁健康状况评估分析提供了坚实的数据基础. 展开更多
关键词 桥梁工程 健康监测 变分模态分解 核主成分分析 长短期记忆神经网络 数据预测
暂未订购 下载PDF
基于KPCA-CNN-GRU的陶瓷辊道窑温度预测 认领 引用 被引量：1
14
作者 朱俊文 杨海东 +2 位作者 徐康康 宋才荣 包昊 《传感器与微系统》 北大核心 2025年第5期12-15,19,共4页
辊道窑作为陶瓷生产的重要设备,辊道窑烧成带的温度直接决定陶瓷质量。辊道窑燃烧过程机理复杂,具有时变、非线性、易干扰、多变量的特点,通过引入核主成分分析(KPCA)降维算法,解决多变量和PCA非线性降维的局限,把辊道窑非线性参数映射... 辊道窑作为陶瓷生产的重要设备,辊道窑烧成带的温度直接决定陶瓷质量。辊道窑燃烧过程机理复杂,具有时变、非线性、易干扰、多变量的特点,通过引入核主成分分析(KPCA)降维算法,解决多变量和PCA非线性降维的局限,把辊道窑非线性参数映射到高维空间,再在高维空间中使用线性降维。最后,利用深度学习组合模型卷积神经网络-门控循环单元(CNN-GRU)进行预测,CNN擅长提取空间特征,GRU擅长建模序列信息。实验结果表明:KPCA使降维后参数贡献率达到91%,最终KPCA-CNN-GRU模型预测结果与其他模型相比,拟合系数R2平均提高了10%,而平均百分比误差(MAPE)最小达到了0.063%,具有较高的预测精度和泛化性。 展开更多
关键词 辊道窑温度预测 核主成分分析 卷积神经网络 门控循环单元
暂未订购 下载PDF
基于RFKPCA和SAC-BiLSTM的复杂工业过程故障预测 认领 引用
15
作者 朱海南 方叶祥 《控制工程》 CSCD 北大核心 2025年第12期2283-2290,共8页
为实现对复杂工业过程的故障趋势预测,提出基于随机森林-核主成分分析(random forest-kernel principal component analysis,RFKPCA)和基于缩放指数线性单元注意力机制的双向长短期记忆(SELU attention CNN bi-directional long short-t... 为实现对复杂工业过程的故障趋势预测,提出基于随机森林-核主成分分析(random forest-kernel principal component analysis,RFKPCA)和基于缩放指数线性单元注意力机制的双向长短期记忆(SELU attention CNN bi-directional long short-term memory,SACBiLSTM)网络的故障预测方法。首先,基于随机森林(RF)算法的特征重要性对故障特征进行筛选。之后,使用核主成分分析(KPCA)进行特征重构,并构造霍特林(T2)统计量,用以描述工业过程的状态趋势。针对双向长短期记忆(BiLSTM)网络无法提取空间特征的问题,将降维后的变量与T2统计量组成监督学习型时间序列数据,引入卷积神经网络(convolutional neural network,CNN)并改进激活函数,同时,针对故障点前后数据时变性较强的特性,在隐藏输出层中加入注意力机制。在TE仿真平台上的实验结果表明,所提模型的准确性得到明显提升,具有较好的预测效果。 展开更多
关键词 故障预测 核主成分分析 卷积神经网络 注意力机制 双向长短期记忆网络
暂未订购 下载PDF
基于热核扩散的类脑小世界储备池设计 认领 引用
16
作者 闫莹 於志勇 黄昉菀 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2025年第12期2551-2558,共8页
为了解决传统回声状态网络中储备池结构设计依赖Watts-Strogatz(WS)小世界网络随机重布线的局限性问题,本文根据热核扩散原理构造类脑小世界储备池。从随机生成的储备池中选择一个非孤立神经元,删除其现有权边中热核值最低的一条边,新... 为了解决传统回声状态网络中储备池结构设计依赖Watts-Strogatz(WS)小世界网络随机重布线的局限性问题,本文根据热核扩散原理构造类脑小世界储备池。从随机生成的储备池中选择一个非孤立神经元,删除其现有权边中热核值最低的一条边,新增尚未连接权边中热核值最高的一条边,并在此过程中利用随机重布线以提高储备池的鲁棒性。通过不断迭代该过程,使储备池呈现小世界性质。相比WS算法,本文构造的储备池小世界性质更优,且混沌时间序列预测精度显著提升,权重最优时精度提高29.89%。有效突破传统小世界网络储备池的精度局限,为回声状态网络在复杂时序分析场景的应用提供更强支撑。 展开更多
关键词 小世界 类脑 热核扩散 自适应 重布线 储备池 回声状态网络 时间序列预测
暂未订购 下载PDF
基于支持向量回归的短期风电功率概率预测 认领 引用
17
作者 蔡佳诺 黄乾 高鹏 《桂林电子科技大学学报》 2025年第5期466-471,共6页
风电功率的高精度预测能够为电力部门提供更多信息,有助于电力系统的调度和运行维护,为并网带来了更多便利。但单一预测模型对风电序列数据的处理能力有限,往往一些重要特征未被充分利用。针对该问题,提出了一种基于支持向量回归的多元... 风电功率的高精度预测能够为电力部门提供更多信息,有助于电力系统的调度和运行维护,为并网带来了更多便利。但单一预测模型对风电序列数据的处理能力有限,往往一些重要特征未被充分利用。针对该问题,提出了一种基于支持向量回归的多元神经网络组合预测模型(LSTM&CNN-SVR)。首先结合LSTM、CNN两种神经网络模型的处理特点,得到3组具有各自优势性能的预测值;然后利用支持向量回归(SVR)模型良好的非线性数据处理能力,对2个模型的输出进行拟合优化。为了修正数据的不均匀性,将SVR与核密度估计(KDE)方法相结合,得到预测值的概率密度分布曲线及其在某置信度下的功率预测区间。基于某风电场的实测数据对模型进行实验验证,实验结果表明,与传统预测模型相比,本模型的预测精度更高、误差更小、整体预测性能更好。 展开更多
关键词 风电功率 概率预测 神经网络 支持向量回归 核密度估计
暂未订购 下载PDF
基于KPCA-PSO-LSTM模型的瓦斯涌出量时序预测 认领 引用 被引量：2
18
作者 李海宏 《能源与环保》 2025年第9期41-46,52,共6页
瓦斯涌出量是指导矿井设计和瓦斯防治的重要依据之一,为提高采煤工作面瓦斯涌出量预测精度,提出了一种基于长短时网络的瓦斯涌出量时序预测模型。首先,构建瓦斯涌出量预测影响因素组合,收集影响因素时间序列数据;其次,通过核主成分分析... 瓦斯涌出量是指导矿井设计和瓦斯防治的重要依据之一,为提高采煤工作面瓦斯涌出量预测精度,提出了一种基于长短时网络的瓦斯涌出量时序预测模型。首先,构建瓦斯涌出量预测影响因素组合,收集影响因素时间序列数据;其次,通过核主成分分析法实现瓦斯涌出量影响因素降维,确定累计贡献度达到92.32%的4个主成分为预测模型输入;然后,选用粒子群优化算法确定长短时记忆网络模型超参数;最后,将所提出模型与ARIMA、BP神经网络(BPNN)及LSTM模型进行对比分析。结果表明,所提出的KPCA-PSO-LSTM模型预测平均绝对误差、均方根误分别为0.778 4、1.046 0,相较于其他模型,其预测精度更高,泛化误差更小。 展开更多
关键词 瓦斯涌出量 核主成分分析 长短时记忆网络 时序预测
暂未订购 下载PDF
基于EEMD-KPCA-LSTM的风电功率预测模型 认领 引用
19
作者 莫霜叶 刘默斯 +1 位作者 胡弘 孙志媛 《广西电力》 2025年第6期7-15,44,共9页
为应对风电场中多种因素对预测精度的影响以及单一模型存在精度不足和泛化能力较差的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)、核主成分分析(kernel principal component analysis,KPCA)和长... 为应对风电场中多种因素对预测精度的影响以及单一模型存在精度不足和泛化能力较差的问题,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)、核主成分分析(kernel principal component analysis,KPCA)和长短期记忆(long short-term memory,LSTM)神经网络的风力发电功率预测模型。首先,通过Pearson相关系数对特征变量进行选择,剔除与风力发电关联性较低的因素,提升输入数据的有效性。然后,采用EEMD法对输入变量进行多尺度分解,获得多个平稳的子序列,从时间尺度上捕捉原始信号的趋势变化。接着,应用KPCA降维,提取高维特征序列的特征值和方差贡献率,减小数据冗余并有效规避过拟合风险。最后,基于EEMD-KPCA-LSTM构建风电功率预测模型,并引入多项评估指标验证模型性能。基于广西南宁某风电场3个月实测数据的验证结果表明,该组合预测模型的平均绝对误差、均方根误差、平均绝对百分比误差、拟合优度R2值分别为0.18 MW、0.30 MW、8.98%、96.62%,预测精度和计算效率均高于其他对比方法。 展开更多
关键词 风电功率预测模型 集合经验模态分解 核主成分分析 长短期记忆神经网络 组合预测模型
暂未订购 下载PDF
基于天气相似聚类与QRNN的短期光伏功率区间概率预测 认领 引用 被引量：40
20
作者 赵耀 高少炜 +3 位作者 李东东 林顺富 杨帆 黄学勤 《电力系统自动化》 EI CSCD 北大核心 2023年第23期152-161,共10页
为减少光伏发电的不确定性对电力系统造成的影响,描绘更为准确、清晰的光伏出力区间,提出一种基于天气相似聚类与分位数回归神经网络(QRNN)单调模型的短期光伏功率区间概率预测模型。首先,QRNN单调模型在预测过程中引入单调性,保证单调... 为减少光伏发电的不确定性对电力系统造成的影响,描绘更为准确、清晰的光伏出力区间,提出一种基于天气相似聚类与分位数回归神经网络(QRNN)单调模型的短期光伏功率区间概率预测模型。首先,QRNN单调模型在预测过程中引入单调性,保证单调的分位数结果,并采用Huber范数近似替代原损失函数,弥补了传统区间预测分位数交叉及损失函数不可微的缺陷。其次,基于气象信息的数据特征,采用动态自组织映射聚类算法,通过神经元竞争与更新确定神经元邻域权重结构,并根据其邻域权重大小将天气聚类为晴天、多云天与阴天,得到相似天气下的数据集。然后,在不同天气条件下对影响光伏出力的因素进行相关性分析,得到不同天气下的天气影响特征,并作为输入因子输入神经网络中。最后,以澳大利亚沙漠知识太阳能中心实际数据集为例进行区间预测,并采用核密度估计给出概率预测结果,验证了所提方法的可靠性。 展开更多
关键词 区间预测 分位数回归 神经网络 核密度估计 光伏功率预测
暂未订购 下载PDF
已选0条
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 2 … 4 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈