检索结果-内蒙古大学图书馆

作者：刘凯龙北京交通大学

学位级别：硕士

风力发电凭借其清洁、可再生和分布广泛的特性,已逐渐成为全球范围内发展迅速且应用广泛的新能源之一。在新技术持续迭代的背景下,风电场运营商对在役风电机组的技术升级需求日益迫切。精确评估技术改进对风电机组发电能力的提升程度对... 详细信息

风力发电凭借其清洁、可再生和分布广泛的特性,已逐渐成为全球范围内发展迅速且应用广泛的新能源之一。在新技术持续迭代的背景下,风电场运营商对在役风电机组的技术升级需求日益迫切。精确评估技术改进对风电机组发电能力的提升程度对风电场运营具有重要的参考价值。然而,由于实际风电场环境的复杂性,现有的风电机组技术改进效果评估方法存在较大的误差。本研究针对这一问题,提出了一种新颖的基于功率预测的技术改进效果评估方法,并基于该方法构建了深度学习模型,以实现高精度的风电功率预测。论文的主要工作包括:(1)设计了一种风电机组技术改进效果评估方法,该方法利用目标风机(即需进行技术改进的风机)技改前的历史环境数据训练深度学习模型以预测其输出功率。随后,将技改后的相关数据输入模型以获得预测值,并将此作为目标风机在技改后输出功率值的对比基准,从而实现技改评价。基于该方法,本研究对风电数据集进行了深入分析,并根据其特点采用了合理的特征选择和数据预处理方法。(2)设计了一种基于深度学习的功率预测模型。模型中包含一维卷积自注意力机制与堆叠式lstm(Long Short-Term Memory)网络。其中,一维卷积自注意力机制用于突出输入数据中的重要特征,并将更多上下文信息整合至注意力头中。所设计的堆叠式lstm网络旨在增强lstm网络的特征提取能力,使其能够学习数据的多个方面并提取到更深层次的特征。此外,引入了层次注意力机制和时间注意力机制以进一步增强堆叠式lstm网络的表征能力。实验结果表明,与主流方法相比,本文设计模型的预测结果在均方根误差、平均绝对误差和平均绝对误差百分比三个评价指标上表现最优,分别为87.86、65.11和3.76%,且基于预测值所拟合出的风功率曲线与真实风功率曲线之间的误差达到0.86%。(3)为进一步提高模型的预测精度,设计了多模型集成策略。首先,为解决直接平均法存在的问题,即部分基学习器可能对预测产生负面影响,设计了一种基于自适应模型择优的多模型集成策略。实验证明该方法在一定程度上可以缓解该问题。此外,为使多模型集成策略考虑风电数据集中不同分布的数据,并充分结合各个基学习器的优点,设计了一种结合聚类的Stacking多模型集成方法。实验证明了该方法的有效性。

关键词：风电机组技术改进效果评价风电功率预测一维卷积自注意力机制堆叠式lstm网络多模型集成

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的堆叠lstm心电预测算法

引用

计算机技术与发展 2023年第1期33卷 62-67页

作者：谭庆康潘沛生南京邮电大学通信与信息工程学院江苏南京210003

心电信号的处理一直是一个热门的研究领域,针对日趋增长的心电数据分析需求,国内的研究大多停留在分类处理阶段,对心电异常的预测相对较少。而心电异常的提前预警对预防接下来可能出现的危险极为重要,因此,提出了一种新的心电预测算法... 详细信息

心电信号的处理一直是一个热门的研究领域,针对日趋增长的心电数据分析需求,国内的研究大多停留在分类处理阶段,对心电异常的预测相对较少。而心电异常的提前预警对预防接下来可能出现的危险极为重要,因此,提出了一种新的心电预测算法。首先,对原始数据进行小波变换处理,经过预处理后的数据能够更好地从中提取特征进行学习。将处理后的信号输入训练模型,在训练过程中采用两个lstm网络结构,构成一种堆叠的循环神经网络模型。输出的信号再通过注意力机制,加强重点关注区域后经由全连接层输出结果。模型采用预测准确率作为衡量模型性能的指标,并在MIT-BIH数据集上进行了测试。经过实验数据的对比,该模型在此数据集上最终预测准确率为97.7%,与传统堆叠lstm网络相比,提升了1.3百分点;与加入注意力机制的单层lstm网络相比,提升了0.9百分点。结果表明,该模型有效地提高了预测的准确率,充分证明了其优越性。

关键词：堆叠式lstm网络注意力机制心律失常心电预测深度学习

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：