检索结果-内蒙古大学图书馆

作者：孙永辉王森周衍侯栋宸张林闯 210024 江苏省南京市鼓楼区西康路1号

本发明公开了一种基于深度学习的风电功率超短期条件概率预测方法，该方法首先将风电功率历史数据划分训练集和验证集；然后利用训练样本对深度置信网络模型进行训练，同时使用粒子群优化算法对网络结构参数进行寻优，得到最佳预测模型... 详细信息

标准号: CN111695666A

本发明公开了一种基于深度学习的风电功率超短期条件概率预测方法，该方法首先将风电功率历史数据划分训练集和验证集；然后利用训练样本对深度置信网络模型进行训练，同时使用粒子群优化算法对网络结构参数进行寻优，得到最佳预测模型结构；其次将验证集输入训练好的模型，输出值为待预测时刻风电功率预测值；最后根据提出的条件，筛选出新的数据集，根据中心极限定理，结合概率论知识计算出概率预测区间。本发明是基于深度学习的风电功率超短期条件概率预测方法，基于点预测的基础上考虑一定条件结合概率论和数理统计知识，计算功率输出区间，给电网工作人员提供了更多的决策信息。

关键词：风电功率预测条件概率超短期验证集粒子群优化算法风电功率预测预测模型结构中心极限定理概率预测功率输出决策信息历史数据数理统计网络结构网络模型训练样本数据集训练集寻优置信筛选电网输出学习

来源：评论

学校读者我要写书评

暂无评论

一种基于云计算平台的机器学习风机状态监测方法及装置

一种基于云计算平台的机器学习风机状态监测方法及装置

引用

作者：张大海钱鹏司玉林 310058 浙江省杭州市西湖区余杭塘路866号

本发明公开了一种基于云计算平台的机器学习风机状态监测方法及装置。该方法的步骤是：设置分层极端学习机模型结构求出第一层隐层初始输出矩阵H；使用压缩感知方法对求出的第一层隐层初始输出矩阵H进行压缩处理；将压缩后数据通过物联... 详细信息

标准号: CN107608937A

本发明公开了一种基于云计算平台的机器学习风机状态监测方法及装置。该方法的步骤是：设置分层极端学习机模型结构求出第一层隐层初始输出矩阵H；使用压缩感知方法对求出的第一层隐层初始输出矩阵H进行压缩处理；将压缩后数据通过物联网上传至云计算平台；对上传至云计算平台的压缩数据进行恢复；完成分层极端学习机方法的状态监测模型训练；根据实时采集的风机数据完成对风机各个子系统实时状态监测。本发明利用压缩感知的数据压缩特性，降低数据上传至云计算平台的数量；并且由于只上传分层极端学习机第一层隐层初始输出矩阵，保证预测模型结构及其参数安全。运用分层极端学习机方法相比于传统极端学习机方法有着更高的监测精度。

关键词：学习机云计算平台分层输出矩阵第一层上传隐层压缩感知风机状态监测实时状态监测数据压缩特性预测模型结构参数安全风机数据机器学习模型结构模型训练实时采集数据上传数据通过压缩处理状态监测压缩物联网风机监测恢复保证

来源：评论

学校读者我要写书评

暂无评论

高粘性用户流失预测方法、装置及计算机可读存储介质

高粘性用户流失预测方法、装置及计算机可读存储介质

引用

作者：郭酉晨 511446 广东省广州市番禺区南村镇万博二路79号万博商务区万达商业广场北区B-1栋28层10单元

本发明提供一种高粘性用户流失预测方法、装置及计算机可读存储介质，通过基于高粘性用户而非全部用户的行为特征数据筛选出具有代表性的重要特征数据，再基于高粘性用户的重要特征数据构建流失预测模型，利用所述流失预测模型对被测高... 详细信息

标准号: CN108665321A

本发明提供一种高粘性用户流失预测方法、装置及计算机可读存储介质，通过基于高粘性用户而非全部用户的行为特征数据筛选出具有代表性的重要特征数据，再基于高粘性用户的重要特征数据构建流失预测模型，利用所述流失预测模型对被测高粘性用户的流失情况进行预测；从而克服了现有技术中利用所有用户的所有行为参数构建预测模型所导致的建模过程和模型本身较为复杂、及流失预测准确性不高的问题，有效地简化了流失预测模型结构，提高流失预测模型的构建效率、用户流失预测效率和流失预测的准确性。

关键词：预测模型高粘性预测构建重要特征数据计算机可读存储介质行为特征数据预测模型结构建模过程行为参数有效地测高筛选

来源：评论

学校读者我要写书评

暂无评论

一种基于偏最小二乘法回归的短期风电功率预测方法

一种基于偏最小二乘法回归的短期风电功率预测方法

引用

作者：孙永辉王朋候栋宸钟永洁王加强张博文艾蔓桐翟苏巍王义吕欣欣 210024 江苏省南京市鼓楼区西康路1号

本发明提供了一种基于偏最小二乘法回归的短期风电功率预测方法，分析并提取风电场的影响风电功率预测的特征和影响因素，形成历史风功率数据向量，得到训练样本集，对训练样本集作降维处理，利用得到的训练样本进行成分提取，并且对输... 详细信息

标准号: CN108667069A

本发明提供了一种基于偏最小二乘法回归的短期风电功率预测方法，分析并提取风电场的影响风电功率预测的特征和影响因素，形成历史风功率数据向量，得到训练样本集，对训练样本集作降维处理，利用得到的训练样本进行成分提取，并且对输入输出进行相关性分析，再利用最小二乘法计算回归系数，建立偏最小二乘回归模型，选取风电功率点值作为测试样本的输入向量，与此相对应的输出向量作为功率输出真实值，带入偏最小二乘法回归模型，得到风电功率超短期预测值向量。本发明利用偏最小二乘回归方法具有良好的多元回归问题分析能力，同时包含数据回归模型建立、主成分分析以及典型相关分析等方法，不仅简化了预测模型结构，而且提高了预测的精度同时增强了预测方法的泛化能力。

关键词：偏最小二乘回归风电功率预测偏最小二乘法训练样本集风电功率最小二乘法计算预测模型结构超短期预测特征和影响主成分分析测试样本成分提取多元回归功率输出回归模型回归系数降维处理模型建立输出向量输入向量数据回归数据向量问题分析训练样本分析风电场风功率再利用预测向量输出回归

来源：评论

学校读者我要写书评

暂无评论

水库日入水量预测方法

水库日入水量预测方法

引用

作者：戚玉涛杨玲玲苗启广权义宁宋建锋 710071 陕西省西安市太白南路2号

本发明公开了水库日入水量预测方法，主要解决目前水库日入库量预测模型结构复杂，预测准确度不高的问题。本发明首先通过对数变换降低原始数据的波动性，然后经过LSTM神经网络学习处理后的水库入库量数据变化特征，最后实现水库日入库... 详细信息

标准号: CN108921279A

本发明公开了水库日入水量预测方法，主要解决目前水库日入库量预测模型结构复杂，预测准确度不高的问题。本发明首先通过对数变换降低原始数据的波动性，然后经过LSTM神经网络学习处理后的水库入库量数据变化特征，最后实现水库日入库量的预测。采用LSTM神经网络的方法只需要历史数据的信息就可以充分模拟水文系统的输入输出关系，不需要深入了解系统的基本物理过程。该方法利用了LSTM时间序列分析的优势，LSTM中的输入门，输出门和忘记门使得它可以学习短期和长期时间跨度的时间序列，在水库日入库量序列预测中可以得到更准确的预测结果。

关键词：入库量水库神经网络学习时间序列分析输入输出关系预测模型结构对数变换历史数据神经网络时间跨度时间序列数据变化水量预测水文系统物理过程序列预测预测结果原始数据准确度波动性输出门输入门预测学习

来源：评论

学校读者我要写书评

暂无评论

短期电站光伏功率的主因隐含型预测方法

短期电站光伏功率的主因隐含型预测方法

引用

作者：文明 100031 北京市西城区西长安街86号

本发明方法针对指定电站的光伏功率，提出了一种基于简化间接因果径向基函数网络的电站光伏功率的预测模型结构，合理隐去了影响电站光伏功率的主要气象因素“太阳辐射强度”。按与预测时点气象因素的马氏距离从历史气象及光伏功率记录... 详细信息

标准号: CN104834981B

本发明方法针对指定电站的光伏功率，提出了一种基于简化间接因果径向基函数网络的电站光伏功率的预测模型结构，合理隐去了影响电站光伏功率的主要气象因素“太阳辐射强度”。按与预测时点气象因素的马氏距离从历史气象及光伏功率记录中筛选出相似记录、构建间接影响因素相似的初选样本集，继而按与初选样本总体的马氏距离挑选出间接影响因素及结果相似的精选样本，再用精选样本集确定预测模型结构中的待定参数，实现短期电站光伏功率的预测建模和预测。这种方法不仅简化了预测模型、容易基于已有天气预报信息实现预测，而且预测方法在原理上更准确，解决了已有电站光伏功率预测方法存在的要么不易实现、要么原理上不够准确的问题。

关键词：光伏预测电站预测模型结构间接影响马氏距离气象因素样本集初选径向基函数网络精选天气预报信息功率记录功率预测太阳辐射样本总体影响电站预测模型构建建模时点样本筛选气象记录

来源：评论

学校读者我要写书评

暂无评论

深基坑开挖土层动态水平抗力系数的测定方法

深基坑开挖土层动态水平抗力系数的测定方法

引用

作者：贺可强孟伟 266033 山东省青岛市市北区抚顺路11号

本发明涉及一种深基坑开挖土层动态水平抗力系数的测定方法，属于深基坑开挖土层支护设计领域。本发明包括以下步骤：步骤一：深基坑位移监测点的布设及监测方法的确定；步骤二：深基坑土层初始m值的确定；步骤三：深基坑土层m值变形折... 详细信息

标准号: CN107832568A

本发明涉及一种深基坑开挖土层动态水平抗力系数的测定方法，属于深基坑开挖土层支护设计领域。本发明包括以下步骤：步骤一：深基坑位移监测点的布设及监测方法的确定；步骤二：深基坑土层初始m值的确定；步骤三：深基坑土层m值变形折减系数及折减m值的确定；步骤四：深基坑土层变形等效内摩擦角的确定；步骤五：深基坑土层动态m值BP神经网络预测模型结构的确定；步骤六：BP神经网络预测模型的学习训练和检验；步骤七：深基坑开挖土层动态m值的预测，本发明基于神经网络模型，有效地反应了土层m值随基坑开挖动态变化的过程，建立了深基坑开挖土层动态m值的预测模型，可有效预防由于基坑支护结构变形过大造成的基坑坍塌事故。

关键词：土层深基坑深基坑开挖变形预测模型等效内摩擦角基坑支护结构神经网络模型预测模型结构动态变化动态水平基坑开挖抗力系数位移监测学习训练有效预防基坑有效地布设支护坍塌监测预测检验

来源：评论

学校读者我要写书评

暂无评论

基于自回归动态隐变量模型的工业过程故障检测方法

基于自回归动态隐变量模型的工业过程故障检测方法

引用

作者：周乐侯北平宋执环 310023 浙江省杭州市西湖区留和路318号

本发明涉及一种基于自回归动态隐变量模型的工业过程故障检测方法，该方法利用工业过程正常运行状态下的数据，建立了具有普适性的动态过程模型，该模型通过卡尔曼滤波器和平滑器以及期望最大化算法来预测模型结构，能够有效提取工业数... 详细信息

标准号: CN105404280A

本发明涉及一种基于自回归动态隐变量模型的工业过程故障检测方法，该方法利用工业过程正常运行状态下的数据，建立了具有普适性的动态过程模型，该模型通过卡尔曼滤波器和平滑器以及期望最大化算法来预测模型结构，能够有效提取工业数据的动态和静态耦合关系；然后，基于该动态模型的动态和静态噪声构建了相应的监测统计量，获得了最后的故障检测结果。相比目前的其它方法，本发明可以大大提高工业过程动态建模以及故障检测的效果，减小故障误报率和漏报率，很大程度上改善了监测性能，增强了过程操作员对过程的理解能力和操作信心，更加有利于工业过程的自动化实施。

关键词：工业过程期望最大化算法故障检测方法故障检测结果卡尔曼滤波器预测模型结构正常运行状态自动化实施动态过程动态建模动态模型工业数据故障检测监测性能静态噪声理解能力耦合关系漏报率统计量误报率隐变量自回归构建滑器减小一种提取监测操作涉及改善增强有效建立

来源：评论

学校读者我要写书评

暂无评论

预测模型结构选择的灰色关联度方法

引用

微电子学与计算机 2002年第12期19卷 16-17,72页

作者：李克武汪晓程朱根标空军工程大学西安710038

每一种预测模型结构是一个包含未知信息的灰色系统,根据其灰色性,运用灰色关联分析方法可以克服目前一些定量方法无法适应小样本的DSS模型自动选择的局限性,使选择结果更为科学和客观。

关键词：预测模型结构灰色关联度方法灰色系统决策支持系统

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：