检索结果-内蒙古大学图书馆

自动化学报 2023年第3期49卷 550-566页

作者：丁海旭汤健乔俊飞北京工业大学信息学部北京100124 智慧环保北京实验室北京100124

城市固废焚烧(Municipal solid waste incineration,MSWI)是处置城市固废(Municipal solid waste,MSW)的主要手段之一.中国MSW来源范围广、组分复杂、热值波动大,其焚烧过程通常依靠人工干预,这导致MSWI过程智能化水平较低且难以满足日... 详细信息

城市固废焚烧(Municipal solid waste incineration,MSWI)是处置城市固废(Municipal solid waste,MSW)的主要手段之一.中国MSW来源范围广、组分复杂、热值波动大,其焚烧过程通常依靠人工干预,这导致MSWI过程智能化水平较低且难以满足日益提升的控制需求.MSWI具有多变量耦合、工况漂移等诸多不确定性特征,因而难以建立其被控对象模型并设计在线控制器.针对以上问题,提出了一种面向MSWI过程的数据驱动建模与自组织控制方法.首先,构建了基于多输入多输出Takagi Sugeno模糊神经网络(Multi-input multi-output Takagi Sugeno fuzzy neural network,MIMO-TSFNN)的被控对象模型;然后,设计了基于多任务学习的自组织模糊神经网络控制器(Multi-task learning selforganizing fuzzy neural network controller,MTL-SOFNNC)用于同步控制炉膛温度与烟气含氧量,其通过计算神经元的相似度与多任务学习(Multi-task learning,MTL)能力对控制器结构进行自组织调整;接着,通过Lyapunov定理对MTLSOFNNC稳定性进行了证明;最后,通过北京市某MSWI厂的过程数据验证了模型与控制器的有效性.

关键词：城市固废焚烧多任务学习自组织控制数据驱动建模模糊神经网络

来源：评论

学校读者我要写书评

暂无评论

数据驱动建模与无模型自适应控制及在复杂工业系统中的应用

数据驱动建模与无模型自适应控制及在复杂工业系统中的应用

引用

作者：刘世达北京交通大学

学位级别：博士

本文在理论上针对数据驱动建模和数据驱动无模型自适应控制2方面领域做了若干研究,同时将所提理论应用于不同的实际领域。本论文研究内容和创新点可总结如下:一、针对固定床间歇式（UGI）煤气化过程中的合成气温度的立项建模问题,提出... 详细信息

本文在理论上针对数据驱动建模和数据驱动无模型自适应控制2方面领域做了若干研究,同时将所提理论应用于不同的实际领域。本论文研究内容和创新点可总结如下:一、针对固定床间歇式（UGI）煤气化过程中的合成气温度的立项建模问题,提出一种改进的带有链接开关的遗传神经网络算法（EGA-BPNN-LS）。合成气温度的模型在整个UGI气化过程中至关重要,然而,由于气化过程极为复杂,该模型的输入输出关系不能够依靠气化过程的化学机理建立。EGA-BPNN-LS算法结合了一种新颖的改进遗传算法、带有链接开关的神经网络、以及梯度学习算法（Levenberg-Marquardt,LM）算法的优势,使得该方法仅靠输入输出数据即可获得气化过程的模型,同时还能够有效地将数据的梯度信息加以有效地使用。基于中国山东省瑞星化工集团有限公司采集的实际数据的实验验证了该算法的有效性与实用性。二、针对UGI气化过程中的合成气温度在线建模问题,提出一种基于相关向量机的改进的懒惰学习建模（MLL-RVM）算法。合成气温度的模型是一个典型的未知非线性多入多出（Multi-input and Multi-output,MIMO）系统,由于UGI气化过程的复杂性,其精确数学模型不能够根据机理建立。针对此问题,所提的MLL-RVM方法将一种新颖的相关向量机（RVM）的思想应用到懒惰学习建模方法中,使得每一个时刻,MLL-RVM均可根据当前输入输出数据以及历史数据来实时建立针对合成气温度的局部RVM模型。通过基于工厂实际数据的仿真实验,该方法的有效性得到验证。三、针对一类离散非线性单入单出（Single Input and Single Output,SISO）系统,分别提出了基于懒惰学习的紧格式无模型自适应预测控制（LL-CFDL-MFAPC）方法和偏格式无模型自适应预测控制（LL-PFDL-MFAPC）方法。这2种方法的核心思想是,通过利用懒惰学习算法的实时数据库查询的优势,在每个时刻将在线和离线数据同时应用于无模型自适应预测控制器的参数的更新,并通过不同的动态线性化技术（包括紧格式、偏格式动态线性化技术）,使得该算法的控制器设计过程摆脱了被控对象的精确数学模型。同时,由于预测功能的加入,这2种方法具有较强的鲁棒性。通过严密的数学推导,2种方法的稳定性与收敛性在几个合理的假设条件下得到证明。最后,LL-CFDL-MFAPC被应用于处理UGI气化过程中增氧过程的氧浓度控制问题,LL-PFDL-MFAPC被应用于真实的三容水箱液位控制系统,进而2种方法的有效性和实用性得到了验证。四、针对一般的未知非线性系统,提出了基于双连续投影算法的无模型自适应控制（DSP-MFAC）方法。该方法最重要的意义是在理论方面给出了 MFAC的新的证明方法和研究思路。通过该算法所得控制器结构与模型参数估计结构具有对称相似性,使得算法的控制框架和控制性能更加简单和易于分析。此外,相比传统的基于压缩映射原理框架下的无模型自适应控制,双连续投影框架下的无模型自适应控制具有更强的可推广性,如根据算法中不同的范数定义,可形成不同的控制器结构和对应的时变参数的估计方法。严谨的数学推导证明了所提算法的稳定性,一系列数值仿真验证了该方法的有效性。

关键词：数据驱动建模数据驱动控制无模型自适应控制固定床间歇式气化过程神经网络遗传算法相关向量机连续投影懒惰学习三容水箱控制系统

来源：评论

学校读者我要写书评

暂无评论

基于迟延估计与Kalman状态跟踪的热工过程动态数据驱动建模

引用

动力工程学报 2018年第3期38卷 203-210页

作者：董泽尹二新韩璞华北电力大学河北省发电过程仿真与优化控制工程技术研究中心河北保定071003

针对常规热工对象历史数据建模过程中稳态数据获取困难的问题,从数据选取、数据处理和方法设计3方面出发,提出一种基于迟延估计与Kalman状态跟踪的热工过程动态数据驱动建模方法。该方法选取动态历史数据作为建模数据,将数据末端输入值... 详细信息

针对常规热工对象历史数据建模过程中稳态数据获取困难的问题,从数据选取、数据处理和方法设计3方面出发,提出一种基于迟延估计与Kalman状态跟踪的热工过程动态数据驱动建模方法。该方法选取动态历史数据作为建模数据,将数据末端输入值作为输入稳态分量,将纯迟延时间及输出的稳态分量作为寻优变量的2个维度,并依据各量的值对数据进行处理;应用Kalman滤波算法获取系统初始状态后,结合智能寻优算法对系统进行建模仿真,对某火电机组高温过热器惰性区进行建模。结果表明:该建模方法能够直接应用系统的动态历史数据进行模型辨识,且所建模型具有较好的模型精度,为动态历史数据建模提供了参考。

关键词：热工过程动态历史数据迟延估计 Kalman滤波算法数据驱动建模

来源：评论

学校读者我要写书评

暂无评论

数据驱动建模中精度与泛化平衡问题研究

数据驱动建模中精度与泛化平衡问题研究

引用

作者：李星西安理工大学

学位级别：硕士

数据驱动建模可以不需要先验知识,就能挖掘出数据背后隐含的规律,是未来大数据时代的热门研究。相比于早期的依据确定模型计算参数的建模方法,符号回归(Symbolic regression)作为数据驱动建模的重要方法之一,能够同时计算参数和发现显... 详细信息

数据驱动建模可以不需要先验知识,就能挖掘出数据背后隐含的规律,是未来大数据时代的热门研究。相比于早期的依据确定模型计算参数的建模方法,符号回归(Symbolic regression)作为数据驱动建模的重要方法之一,能够同时计算参数和发现显性的数学表达式模型,具有很高的拟合精度。但是,精度越高意味着模型越复杂,对训练样本的过度拟合会降低对未知样本的适应能力,泛化能力难以保证。因此,研究精度与泛化平衡的问题就很有意义。首先从如何合理计算符号回归算法模型的复杂度入手,分析模型的泛化能力。根据奥卡姆剃刀法则,越简单的模型越有可能接近模型中隐含的规律,泛化能力越强。因此,在现有对模型复杂度定义的基础上,采用改进的非线性模型的语法复杂度和语义复杂度混合的方式评价模型,在模型的结构上和模型的表达上都能合理给出复杂度的度量,依据研究中的度量方法可以得到更简单的表达式模型结构和更加光滑的曲线表面。通过在数据集上的实验证明,合理评价模型复杂度有助于提高模型的泛化能力。通过在模型训练的过程中对拟合数据的重要性加以评价的方法进一步提高建模的泛化能力。根据在拟合过程中数据集中的每个训练数据的表现不同,为每个数据赋予动态权重,并以此作为参考为每个样本设置了一定范围内允许的误差。也就是说,根据样本的动态权重训练出的模型是一个唯一确定的数学模型累加上每个数据点处的不确定浮动范围,越重要的点,浮动范围越小,即允许的误差越小。为了平衡建模中的精度与泛化能力,借鉴机器学习中的结构风险最小化原则,采用多目标优化和集成学习的方式得到最终的模型。结构风险最小化原则中同时考虑最小化经验风险和置信风险,研究中采用多目标优化的方式,将代表经验风险的误差总和,以及模型复杂度近似的置信风险作为两个优化目标,优化得到分布在Pareto前沿上的解集,用集成学习的方式将这些互相独立的解融合成一个最终需要的模型。最后,本文提出的方法作为一种通用的框架适用于绝大部分符号回归算法,文中将方法应用于求解符号回归问题的粒子群优化算法(PSSR)上,在主流数据集上做了对比实验,验证了本文方法的有效性。

关键词：数据驱动建模符号回归模型复杂度结构风险最小化多目标优化

来源：评论

学校读者我要写书评

暂无评论

大数据驱动建模平台技术在加氢裂化工艺预测上的应用

引用

石油炼制与化工 2023年第3期54卷 120-126页

作者：王晨陆鹏飞阮冰杨纪方友曹晓红中海油惠州石化有限公司信息中心广东惠州516086

随着炼化装置传感器与集散控制系统的普及,基于数据驱动建模技术对生产大数据的分析、模拟,进而指导生产优化、监测预警,日益成为研究应用热点。总结了数据驱动建模方法,包括多元统计过程控制(MSPC)、机器学习(ML)、深度学习(DL)等在炼... 详细信息

随着炼化装置传感器与集散控制系统的普及,基于数据驱动建模技术对生产大数据的分析、模拟,进而指导生产优化、监测预警,日益成为研究应用热点。总结了数据驱动建模方法,包括多元统计过程控制(MSPC)、机器学习(ML)、深度学习(DL)等在炼化流程建模优化过程中的应用;介绍了中海油惠州石化有限公司构建的炼化大数据驱动建模平台,以及基于堆叠自编码器(SAEs)-混合高斯模型(GMM)对多模态工况下加氢裂化生产喷气燃料收率的预测。结果表明:炼化大数据驱动模型对加氢裂化过程预测的准确性优异;与传统数据驱动建模相比,该炼化大数据驱动建模平台实现了无代码建模工作流,建模耗时由传统的7 d大幅缩短为2 h左右,显著提升了建模效率。

关键词：数据驱动建模炼化大数据建模平台加氢裂化多模态工况

来源：评论

学校读者我要写书评

暂无评论

电力领域数据驱动建模实践与思考

引用

浙江电力 2022年第10期41卷 3-10页

作者：王慧芳叶睿恺罗斌张波吴雪峰刘建敏浙江大学电气工程学院杭州310027 国网浙江省电力有限公司金华供电公司浙江金华321017

数据驱动建模综合利用理论、试验及数据三大研究范式且模型应用快速,将在解决新型电力系统技术问题中得到更多的应用。为此,对电力领域数据驱动建模的实践情况进行了总结并提出了相关思考。首先,介绍了电力领域数据驱动建模的技术与应... 详细信息

数据驱动建模综合利用理论、试验及数据三大研究范式且模型应用快速,将在解决新型电力系统技术问题中得到更多的应用。为此,对电力领域数据驱动建模的实践情况进行了总结并提出了相关思考。首先,介绍了电力领域数据驱动建模的技术与应用现状。然后,分析了针对理论建模性能欠佳问题的数据驱动建模实践情况并总结了建模过程中的共性步骤,介绍了基于电力文本数据和电力图像数据的数据驱动建模实践情况并总结了相关经验与体会。最后,对电力领域数据驱动建模的定义、条件与步骤、优势与风险等提出了一些理解与思考,讨论并总结了电力领域数据驱动建模应重视的若干问题。

关键词：电力领域数据驱动建模新型电力系统建模条件建模风险

来源：评论

学校读者我要写书评

暂无评论

基于Koopman算子的软体机器人数据驱动建模方法研究

引用

武汉理工大学学报 2022年第11期44卷 73-78页

作者：彭柯瑞陈天翼唐梓轩李东蒲刘兆冰武汉理工大学机电工程学院武汉430070

针对软体机器人的精确建模问题,采用了一种基于Koopman算子的数据驱动建模方法,应用于提升的无限维状态空间中来全局线性化高度非线性动态系统。该方法通过一种称为扩展动态模式分解(EDMD)的算法来近似无限维线性Koopman算子,并建立了... 详细信息

针对软体机器人的精确建模问题,采用了一种基于Koopman算子的数据驱动建模方法,应用于提升的无限维状态空间中来全局线性化高度非线性动态系统。该方法通过一种称为扩展动态模式分解(EDMD)的算法来近似无限维线性Koopman算子,并建立了软体机器人非线性动力学系统的线性和非线性模型。结果表明,建立的两种Koopman模型的精度都优于现有的状态空间模型,Koopman非线性模型的建模和预测精度最高。

关键词：软体机器人 Koopman算子数据驱动建模非线性系统

来源：评论

学校读者我要写书评

暂无评论

基于混合神经网络的光伏组件输出特性数据驱动建模方法

引用

智能科学与技术学报 2020年第2期2卷 169-178页

作者：张国宾王新迎中国电力科学研究院有限公司北京100192

针对传统物理机理建模方法不适用于复杂光照条件下光伏组件建模的问题,提出一种基于混合结构神经网络的光伏组件输出特性数据驱动建模方法。在深入分析光伏组件物理机理及输出特性的基础上,提出利用卷积神经网络和径向基函数神经网络对... 详细信息

针对传统物理机理建模方法不适用于复杂光照条件下光伏组件建模的问题,提出一种基于混合结构神经网络的光伏组件输出特性数据驱动建模方法。在深入分析光伏组件物理机理及输出特性的基础上,提出利用卷积神经网络和径向基函数神经网络对不均匀光照条件、温度、湿度等环境因素进行特征提取,并对光伏组件的输出特性进行仿真拟合。为提高模型的拟合效果,提出针对不均匀光照条件的阴影形态等效分析方法,同时采用改进型的遗传编码方案对网络参数进行优化,最后利用实际运行数据对模型效果进行分析验证。结果表明,该模型对不均匀光照条件具有一定的泛化跟踪能力,同时仿真结果平均误差保持在7%以内。

关键词：数据驱动建模卷积神经网络径向基函数神经网络遗传算法优化

来源：评论

学校读者我要写书评

暂无评论

基于高斯过程回归的热工系统数据驱动建模研究

基于高斯过程回归的热工系统数据驱动建模研究

引用

作者：贾昊华北电力大学(北京)

学位级别：博士

随着计算机、传感器网络、数据存储技术的快速发展及其在大型火电机组中的广泛应用,海量的历史运行数据得以保存。由于历史运行数据是对机组运行状况最直观的反映,并且随着电站信息化的发展使得数据获取变得十分容易、成本低廉,为构建... 详细信息

随着计算机、传感器网络、数据存储技术的快速发展及其在大型火电机组中的广泛应用,海量的历史运行数据得以保存。由于历史运行数据是对机组运行状况最直观的反映,并且随着电站信息化的发展使得数据获取变得十分容易、成本低廉,为构建数据驱动模型提供了良好的基础。但是,想要构建性能优异的模型往往并不容易,如何对建模数据进行选择和处理,选择哪种建模方法都会对模型最终的效果产生影响。也正是因为如此,基于数据驱动的建模方法才会成为研究热点,持续受到研究人员的关注。针对热工过程数据驱动建模过程中存在的一些问题,本文以基于历史运行数据的建模方法为研究主题,围绕数据预处理、稳态检测、静态模型和动态模型的构建、多模型建模方法等方面,开展了以下研究工作:(1)针对历史运行数据中存在数据异常和数据缺失的问题,对历史数据异常值检测和校正方法进行了研究。针对异常值检测,提出一种基于经验小波变换和局部异常因子相结合的异常值检测方法。该方法首先使用经验小波变换提取并去除数据的运行趋势;然后对去除趋势的序列求取局部异常值;最后采用箱型图对异常值进行自适应判别。针对数据中存在异常值和数据缺失的问题,采用基于滑动窗口和Nadaraya-Watson回归相结合的方法,对相关数据进行校正和补全。以某1000MW火电机组负荷数据和总风量数据为例,分别验证了所提方法的有效性。(2)针对历史运行数据中动态数据和稳态数据交替出现的现象,为了实现对不同数据的区分,提出了一种基于信号分解与统计检验方法相结合的热工过程稳态检测方法,用以对稳态工况样本进行筛选。首先采用经验小波变换对原始信号进行分解,得到原始信号的运行趋势和震荡信息;然后结合修改过的R统计检验法对热工过程数据进行稳态检测。以仿真数据和某1000MW火电机组协调控制系统数据为例,验证了方法的有效性。(3)针对热工过程稳态数据存在的数据量大、属性维度高、数据重复性大的特点,提出了一种基于样本稀疏化和特征变量选择的高斯过程回归建模方法。首先使用基于数据相似性和信息熵相结合的样本选择方法对稳态数据进行样本稀疏化处理;然后使用基于皮尔森相关系数和最小角回归算法相结合的方法对建模特征变量进行数据融合和特征选择;最后结合高斯过程回归方法建立系统模型。使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量静态模型。通过与其他方法对比,证明了使用该方法建立的模型具有更小的模型误差和更高的静态准确度,可以取得很好的预测效果。(4)针对动态过程中变量间存在强非线性、过程复杂多变、输入输出变量间存在时延的特点,提出一种考虑输入时延的组合核函数动态高斯过程回归建模方法。首先采用灰色关联度分析方法对变量的时延参数进行估计,根据估计值重新构造数据集;然后根据核函数闭包性质,将局部核函数和全局核函数组合起来构成新的核函数,构建组合核函数动态高斯过程回归模型;最后使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量的动态模型验证所提方法的有效性。实验结果表明,采用该方法建立的动态模型具有模型准确度高、泛化能力强的特点,可以满足实际需要。(5)针对热工过程中存在多种工况、工况变化范围大,采用单一模型描述生产过程特性时易导致训练过拟合、模型泛化能力差的问题,提出一种基于自适应模糊聚类的多模型动态高斯过程回归建模方法。使用提出的模糊聚类方法对数据集进行划分并根据划分的子数据集分别建立其动态高斯过程回归模型,然后采用基于预测方差的贝叶斯融合方法得到最终的输出模型。结合某1000MW火电机组历史运行数据建立锅炉烟气含氧量模型,通过与单一全局动态高斯过程回归模型和采用其他合成策略的多模型动态高斯过程回归模型进行对比,结果表明所提方法具有很好的模型预测精度和泛化能力。

关键词：热工过程数据驱动建模高斯过程回归数据处理动态模型多模型

来源：评论

学校读者我要写书评

暂无评论

燃煤电站SCR脱硝系统数据驱动建模与复合优化控制研究

燃煤电站SCR脱硝系统数据驱动建模与复合优化控制研究

引用

作者：李玲华北电力大学(北京)

学位级别：博士

现阶段火力发电尤其是燃煤电站仍将在我国电力结构中占主要地位,同时燃煤电站带来的环境污染问题也不容忽视。为了实现污染物超低排放,我国现有燃煤电站均加装了尾部烟气脱硝系统,其中应用最广泛的是选择性催化还原(Selective Catalytic... 详细信息

现阶段火力发电尤其是燃煤电站仍将在我国电力结构中占主要地位,同时燃煤电站带来的环境污染问题也不容忽视。为了实现污染物超低排放,我国现有燃煤电站均加装了尾部烟气脱硝系统,其中应用最广泛的是选择性催化还原(Selective Catalytic Reduction,SCR)脱硝系统。目前SCR脱硝系统中,喷氨控制系统主要采用比例积分微分(PID)串级控制方式,通过调节喷氨量来提高脱硝效率。但由于SCR脱硝反应过程具有非线性和大滞后的特性,喷氨量难以快速适应入口氮氧化物(Nitrogen Oxides,NOx)浓度的变化。当喷氨量过少时,易导致脱硝效率降低和NOx排放量超标;而当喷氨量过多时,易生成副产物降低催化剂活性并堵塞空预器;另外,过量的氨气也会腐蚀空预器,造成氨成本浪费和二次环境污染。未来随着新能源电源大量并入电网,燃煤电站将多数时刻运行在低负荷或变负荷工况,加大了燃煤电站实现NOx超低排放的难度。因此,需要对现有喷氨控制系统实现优化。为更好地实现喷氨控制系统的优化,需要先建立尽可能准确的SCR脱硝系统的数据驱动模型,而现场运行数据通常存在非线性、滞后性、多样性等不利于建模的特点。因此,首先需要对传统数据驱动模型进行改进,以提高模型的泛化能力,并针对现有喷氨控制系统进行优化,实现喷氨量更精准的控制,保持较高的脱硝效率,尽量减少氨逃逸,对于保障机组的安全运行和降低脱硝运行成本具有重要意义。本文分析了燃煤电站的燃烧系统和SCR脱硝系统的特点,以及现有喷氨控制系统存在的问题,分别从数据预处理、数据驱动模型改进和喷氨控制策略优化三个方面进行研究:(1)提出采用基于粒子群优化(Particle Swarm Optimization,PSO)算法优化概率神经网络(Probabilistic Neural Network,PNN)的异常值检测方法(简称PSO-PNN)对SCR脱硝系统历史数据的异常值进行识别与剔除;同时,提出基于滑动窗口优化的Nadaraya-Watson回归多重填补法,实现对SCR脱硝系统历史数据的异常缺失值填补。仿真结果表明,PSO-PNN方法具有较好的异常值检测性能,基于滑动窗口优化的Nadaraya-Watson回归多重填补法能够取得较好的热工数据自适应填补效果,可以满足后续建模工作对数据预处理的要求。(2)提出基于集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA)优化深度极限学习机(Deep Extreme Learning Machine,DELM)的算法(简称EEMD-IWOA-DELM),建立SCR脱硝系统入口 NOx浓度数据驱动预测模型。仿真结果表明,结合EEMD技术具有能处理非线性、非平稳信号的优点,使模型适用于大范围变工况,可提高预测模型的精度;采用IWOA优化DELM模型的参数,将EEMD与IWOA-DELM相结合,形成优势互补,可进一步提高模型预测精度。(3)提出将注意力机制引入卷积神经网络双向门控循环单元(Convolutional Neural Network Bidirectional Gated Recurrent Unit,CNN-BiGRU),实现建立 SCR脱硝系统出口 NOx浓度数据驱动预测模型。仿真结果表明,采用BiGRU可以对CNN的特征向量构造的时间序列的动态变化进行学习,实现动态数据驱动建模,提高模型泛化能力;引入注意力机制通过映射加权和学习参数矩阵赋予BiGRU隐含层状态不同的概率权重,可减少历史信息的丢失,并加强重要信息对出口NOx浓度的影响,进一步提升模型的预测精度。(4)提出将得到的SCR脱硝系统入口 NOx浓度预测模型的输出作为前馈信号,同时将SCR脱硝系统出口 NOx浓度预测模型的输出经过微分控制器,将出口 NOx浓度的变化量提前反馈至喷氨控制系统,实现SCR脱硝系统的复合优化控制。仿真结果表明,经过优化控制之后,SCR脱硝系统出口 NOx浓度始终低于排放标准,在保持较高脱硝效率的同时有效降低氨逃逸,避免了阀门执行器机构出现饱和;同时将该控制策略应用于现场,也取得较好的控制效果。

关键词： SCR脱硝系统数据驱动建模 EEMD-IWOA-DELM CNN-BiGRU-Attention 复合优化控制

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：