检索结果-内蒙古大学图书馆

太阳能学报 2024年第3期45卷 523-532页

作者：殷豪李奕甸谢智锋于慧张展王懿华广东工业大学自动化学院广州510006 江西电力职业技术学院南昌330032

为了能从大量历史光伏发电数据中提取出有效的时序特征以及在非欧几里得域中的关联,建立了基于混合图神经网络以及门控循环网络的短期光伏功率预测模型。该模型首先通过最邻近分类算法生成气象及出力数据的最邻近图,再将其结合图神经网... 详细信息

为了能从大量历史光伏发电数据中提取出有效的时序特征以及在非欧几里得域中的关联,建立了基于混合图神经网络以及门控循环网络的短期光伏功率预测模型。该模型首先通过最邻近分类算法生成气象及出力数据的最邻近图,再将其结合图神经网络作为编码器对气象及出力数据进行编码形成时间序列,最后通过门控循环网络以及全连接层解码输出光伏功率预测结果。通过仿真分析验证,该模型具有更优的特征挖掘能力和分析性能,能更好地突出某时间节点的气象及出力数据特征,适应天气突变带来特征变化,从而提升光伏预测整体模型的表达能力。

关键词：图神经网络深度学习光伏发电功率预测门控循环网络

来源：评论

学校读者我要写书评

暂无评论

基于门控循环网络融合多源数据的风电齿轮箱状态预警方法

引用

太阳能学报 2021年第8期42卷 421-425页

作者：雍彬陈进张方红汤宝平重庆大学机械工程学院重庆400044 中国船舶重工集团海装风电股份有限公司重庆401122

多源数据融合是风电齿轮箱状态预警的有效方法,针对现有机器学习方法在融合风电多源数据时未考虑时序信息导致状态预警精度不高的问题,提出基于门控循环(GRU)网络融合多源数据的风电齿轮箱状态预警方法。首先,选择对环境影响不敏感的风... 详细信息

多源数据融合是风电齿轮箱状态预警的有效方法,针对现有机器学习方法在融合风电多源数据时未考虑时序信息导致状态预警精度不高的问题,提出基于门控循环(GRU)网络融合多源数据的风电齿轮箱状态预警方法。首先,选择对环境影响不敏感的风电齿轮箱油液压力作为状态预警模型的预测量,采用相关系数法选择与油液压力关联密切的数据采集与监控(SCADA)参数作为预警模型的输入量;然后,通过GRU的链式结构和门函数对SCADA参数的时序特征进行融合,得出预测值并计算残差;最后,根据残差的变化趋势进行风电齿轮箱状态预警。某风场运行数据状态预警结果表明所提方法的有效性。

关键词：风电机组状态监测门控循环网络多源数据融合齿轮箱

来源：评论

学校读者我要写书评

暂无评论

基于时间门控循环网络的用户行为序列建模

基于时间门控循环网络的用户行为序列建模

引用

作者：高奔浙江大学

学位级别：硕士

作为个性化搜索和推荐系统的核心,用户行为建模决定着个性化系统的效果,一直吸引着研究人员的关注。在循环神经网络(RNN)被提出后,由于其对于序列数据的强大拟合能力,被广泛应用在如行为序列预测、语言模型等领域。不过,传统RNN框架仅... 详细信息

作为个性化搜索和推荐系统的核心,用户行为建模决定着个性化系统的效果,一直吸引着研究人员的关注。在循环神经网络(RNN)被提出后,由于其对于序列数据的强大拟合能力,被广泛应用在如行为序列预测、语言模型等领域。不过,传统RNN框架仅仅考虑了序列的顺序关系,对序列的时间间隔并没有明显的感知。而对于行为序列问题而言,行为的时间间隔是刻画行为关联的一个重要特征。因此,本文对RNN框架中一种广泛应用的变体——GRU进行了改进,增加了时间门结构和基于时间的注意力机制,本文称之为Time-GRU。模型中的两个模块引入了时间信息,相比传统模型,能够同时预测用户的长期和短期偏好,从而提高推荐和搜索排序的结果。本文在两个著名的公开数据集和一个电商平台的离线数据集上进行了实验,并在线上环境进行了 AB测试,实验结果表明,Time-GRU超过了目前现有的先进算法。

关键词：序列建模门控循环网络注意力机制推荐系统

来源：评论

学校读者我要写书评

暂无评论

基于变分模式分解和深度门控循环网络的风速短期预测模型

引用

电网与清洁能源 2018年第12期34卷 59-64,70页

作者：吴宇杭温步瀛江岳文陈静王怀远福州大学电气工程与自动化学院福建福州350108

考虑到风速时间序列非平稳特性和时序关联难以建模的问题,提出一种基于变分模态分解和深度门控循环网络的风速短期预测模型。该模型首先使用变分模态分解非递归地将原始风速序列分解为预先设定层数的子分量,以期降低原始序列的不平稳度... 详细信息

考虑到风速时间序列非平稳特性和时序关联难以建模的问题,提出一种基于变分模态分解和深度门控循环网络的风速短期预测模型。该模型首先使用变分模态分解非递归地将原始风速序列分解为预先设定层数的子分量,以期降低原始序列的不平稳度,使用深度门控网络分别对各子分量建模预测,最后叠加各分量的预测结果,得到风速的预测结果。实例研究表明所提模型能够有效地跟踪风速的变化,具有较高的短期预测精度。

关键词：风速预测深度学习变分模态分解门控循环网络

来源：评论

学校读者我要写书评

暂无评论

基于相空间重构的门控循环网络短期风速预测模型

引用

现代电子技术 2022年第15期45卷 93-98页

作者：葛宽宽王晓晶代怡重肖群新疆大学电气工程学院新疆乌鲁木齐830047

高精度的短期风速预测在一定程度上可以提高风资源评估的准确度,但因风速高度随机性导致预测难度较大,为了提升风速预测的精度,首先对风速混沌特性进行分析,验证其是否具有混沌特性,在此基础上提出一种基于变分模态分解(VMD)、相空间重... 详细信息

高精度的短期风速预测在一定程度上可以提高风资源评估的准确度,但因风速高度随机性导致预测难度较大,为了提升风速预测的精度,首先对风速混沌特性进行分析,验证其是否具有混沌特性,在此基础上提出一种基于变分模态分解(VMD)、相空间重构(PSR)和门控循环神经网络(GRU)相结合的短期风速预测模型。将原始风速数据通过VMD分解为若干子序列并对各子序列进行PSR技术优化处理,可以使样本更加符合实际风速的变化,起到对风速降噪的作用;接着用处理过的各子序列对GRU预测模型训练并预测,最后求和得出风速预测结果。以上海某地为例,将预测结果与实际风速值进行对比分析,分析结果表明:所建模型能有效提高风速预测精度,在预测准确度上优于单一预测模型,验证了所提模型的有效性和合理性。

关键词：风速预测混沌特性风资源评估变分模态分解相空间重构门控循环网络数据预处理预测模型

来源：评论

学校读者我要写书评

暂无评论

基于门控循环网络的海浪波倾角预测研究

引用

国外电子测量技术 2019年第5期38卷 96-100页

作者：赵建鹏张爱军蔡程飞苏印红南京理工大学机械工程学院南京210000 南京信息工程大学自动化学院南京210000

海浪的波倾角是一种非线性随机时间序列,对于舰载机的起降和舰载稳定平台的控制具有重要的指导意义。传统的时间序列预测方法诸如自回归滑动平均预测、神经网络预测法等,有时无法提供较高的精度。因此,提出一种基于门控循环网络的海浪... 详细信息

海浪的波倾角是一种非线性随机时间序列,对于舰载机的起降和舰载稳定平台的控制具有重要的指导意义。传统的时间序列预测方法诸如自回归滑动平均预测、神经网络预测法等,有时无法提供较高的精度。因此,提出一种基于门控循环网络的海浪模型时间序列预测法。结果表明,在平均绝对百分比误差上分别比BP神经网络、循环神经网络(RNN)、长短期记忆网络(LSTM)下降了85.0%、80.3%、34.4%;在均方根误差上分别下降了27.1%、37.7%和7.5%。与传统方法相比,门控循环网络在处理长依赖时间序列上更有优势,预测精度更高。

关键词：海浪模型时间序列预测神经网络深度学习门控循环网络

来源：评论

学校读者我要写书评

暂无评论

基于门控循环网络的轴承剩余寿命预测

基于门控循环网络的轴承剩余寿命预测

引用

2020年全国设备监测诊断与维护学术会议暨第十七届全国设备故障诊断学术会议、第十九届全国设备监测与诊断学术会议

作者：王璞王辉沈飞徐佳文严如强东南大学仪器科学与工程学院南京 210096 西安交通大学机械学院西安 710049

针对传统浅层模型在轴承剩余寿命(remaining useful life,RUL)预测中存在长期预测能力不足问题,提出了一种基于CRQA和门控循环网络(gated recurrent unit,GRU)的轴承RUL预测模型。采用交叉递归定量分析(cross recurrence quantitative a... 详细信息

针对传统浅层模型在轴承剩余寿命(remaining useful life,RUL)预测中存在长期预测能力不足问题,提出了一种基于CRQA和门控循环网络(gated recurrent unit,GRU)的轴承RUL预测模型。采用交叉递归定量分析(cross recurrence quantitative analysis,CRQA)提取轴承振动信号中的递归率(recurrence rate,RR)和确定率(percent determinism,DET)作为健康指标,构成GRU预测网络的二维特征输入;建立一种改进的GRU预测网络在带寿命标签的数据集上充分学习上述健康指标与轴承RUL的映射关系;将训练好的GRU网络模型应用于轴承RUL预测。对比于传统RUL预测模型,所提方法在轴承加速寿命实验中展现了优越的性能。

关键词：轴承剩余寿命预测门控循环网络交叉递归分析

来源：评论

学校读者我要写书评

暂无评论

注意力机制与混合模型融合的短期交通流预测

引用

重庆理工大学学报(自然科学) 2025年第1期39卷 213-218页

作者：周文学赵丽雅兰州交通大学数理学院兰州730000

为及时、准确地预测交通流,解决精度低、高维特征缺失等问题,建立CNN-GRU-ATT模型来对英国高速公路交通数据进行预测。模型中的卷积层用来提取特征,GRU层用于描述时间趋势,注意力层用于聚焦关键信息。输入多个路段的短期交通流信息,考... 详细信息

为及时、准确地预测交通流,解决精度低、高维特征缺失等问题,建立CNN-GRU-ATT模型来对英国高速公路交通数据进行预测。模型中的卷积层用来提取特征,GRU层用于描述时间趋势,注意力层用于聚焦关键信息。输入多个路段的短期交通流信息,考虑多路段之间的相互关联以及气象因素的影响。实验发现:该模型与支持向量回归(SVR)、长短期记忆网络(LSTM)、门控循环网络(GRU)、CNN-GRU、GRU-ATT模型相比,模型精度更高,拟合优度达到了96.89%,MAPE最高降低了21.55%;将多路段与单路段数据分别进行输入,发现前者能够更好地进行预测,MAPE降低了7.56%。添加气象因素后模型精度有所提高,拟合优度达到了97.06%。

关键词：注意力机制多路段输入卷积神经网络门控循环网络

来源：评论

学校读者我要写书评

暂无评论

融入股票论坛UGC时序特征的上市公司财务困境预测方法

引用

合肥工业大学学报(自然科学版) 2025年第3期48卷 387-394页

作者：张玉蒋翠清合肥工业大学管理学院安徽合肥230009 过程优化与智能决策教育部重点实验室安徽合肥230009

股票论坛用户生成内容(user generated content,UGC)能反映上市公司利益相关者对公司经营业绩和相关事件的关注和观点,具有及时性和动态性,是对财务信息的有效补充。为有效提取动态变化UGC,文章提出一种融入股票论坛UGC时序特征的上市... 详细信息

股票论坛用户生成内容(user generated content,UGC)能反映上市公司利益相关者对公司经营业绩和相关事件的关注和观点,具有及时性和动态性,是对财务信息的有效补充。为有效提取动态变化UGC,文章提出一种融入股票论坛UGC时序特征的上市公司财务困境预测方法。首先,针对用户评论和用户阅读中的时间序列信息,考虑情感特征时序性和互动信息时序性,采用门控循环网络(gated recurrent unit,GRU)模型,挖掘时间序列中的动态信息;其次,不同时间段下发生的事件对财务困境预测的影响程度不同,采用注意力机制聚合重大事件对财务困境预测的影响;最后,基于UGC时序特征,并结合财务特征对上市公司财务困境进行预测。研究表明,所提方法能够有效地提取并聚合时序特征,提高财务困境预测效果。

关键词：股票论坛时序特征门控循环网络注意力机制财务困境预测

来源：评论

学校读者我要写书评

暂无评论

利用WDCNN-GRU模型的变转速轴承故障诊断技术研究

引用

组合机床与自动化加工技术 2025年第1期 138-142,149页

作者：刘馨雅马超黄民张占一北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控技术教育部重点实验室北京100192 北京东方振动和噪声技术研究所北京100085

针对变转速工况下,为了提高轴承故障诊断的效率、准确度和稳定性,提出一种基于宽卷积核门控循环的混合神经网络模型。首先,采用计算阶次跟踪对原始信号做角域重采样处理,消除变转速带来的信号不具备周期性、特征混叠、频率偏移等问题;然... 详细信息

针对变转速工况下,为了提高轴承故障诊断的效率、准确度和稳定性,提出一种基于宽卷积核门控循环的混合神经网络模型。首先,采用计算阶次跟踪对原始信号做角域重采样处理,消除变转速带来的信号不具备周期性、特征混叠、频率偏移等问题;然后,通过宽卷积核卷积网络提取角域信号特征,结合门控循环神经网络捕捉时序信息,使信号特征挖掘更加全面。为验证该方法的有效性,从多个方面结合多个模型进行对比实验。实验结果表明,所提模型的平均准确率均高于对比模型,具备高准确率、高效率及稳定性的特点。

关键词：变转速轴承故障诊断宽卷积核网络门控循环网络

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：