检索结果-内蒙古大学图书馆

环境科学 2025年第2期46卷 715-726页

作者：李明明王小兰岳江陈玲汪文雅杨爱琴山西省气象科学研究所太原030002

利用2016~2020年太原市地面气象资料和环境空气质量资料,分析了太原市PM_(2.5)浓度的时间和空间的变化特征,运用EOF分解诊断分析方法,对太原市PM_(2.5)浓度时空变化特征进行了研究,同时利用随机森林模型分析了气象因子的重要性,建立基于... 详细信息

利用2016~2020年太原市地面气象资料和环境空气质量资料,分析了太原市PM_(2.5)浓度的时间和空间的变化特征,运用EOF分解诊断分析方法,对太原市PM_(2.5)浓度时空变化特征进行了研究,同时利用随机森林模型分析了气象因子的重要性,建立基于cnn-LSTM神经网络的PM_(2.5)浓度预报模型.结果表明,2016~2020年太原市区PM_(2.5)浓度年均值总体上呈现出逐年减少的趋势,高值主要出现在11月、12月、1月和2月,18:00至翌日的02:00易出现PM_(2.5)浓度峰值,PM_(2.5)浓度年均值呈现自西北向东南逐渐增加的趋势.PM_(2.5)浓度的EOF分解:模态1特征向量的方差贡献率为49.4%,模态2特征向量的方差贡献率为30.8%,以晋源-巨轮-南寨为界,负值区主要在东南,中心位于东南部的小店,正值区则主要位于西北,其中心位于金胜.PM_(2.5)浓度与相对湿度、露点温度之间显著正相关;与风速、降水量和混合层高度主要表现为负相关,与通风量和自净能力也主要呈现一般负相关,与气温相关性不明显.相对湿度、露点温气压、度和混合层高度在四个季节特征排序中均占较为重要的地位,其次是风速、风向、通风量和自净能力重要程度相对一般.采用cnn-LSTM模型建模,PM_(2.5)浓度预测的R^(2)在春、夏、秋和冬这4个季节分别为0.805、0.826、0.897和0.901,4个季节R^(2)均在0.8以上,在4个季节cnn-LSTM模型的预测残差值均近似于正态分布,模型的绝对误差控制在10μg·m^(-3)以下的预测结果夏季最高达到81.2%,秋季和春季次之,分别为75.9%和62.9%,冬季表现一般,有51.5%预测结果的绝对误差低于10μg·m^(-3).

关键词：气象特征 EOF分解 PM_(2.5)浓度 cnn神经网络 LSTM神经网络预测

来源：评论

学校读者我要写书评

暂无评论

cnn神经网络在航迹预测中的应用

引用

电子设计工程 2019年第12期27卷 13-20页

作者：吴一凡冉晓旻信息工程大学信息系统工程学院

从本质上而言,cnn属于多层感知机,之所以成功,就是因为它将局部连接与共享权值联合运用,一来使权值的数量有效减少,便于网络的优化,也能有效防控过拟合的风险。本课题的研究主要集中在将cnn神经网络多层感知技术应用在三维数据领域的航... 详细信息

从本质上而言,cnn属于多层感知机,之所以成功,就是因为它将局部连接与共享权值联合运用,一来使权值的数量有效减少,便于网络的优化,也能有效防控过拟合的风险。本课题的研究主要集中在将cnn神经网络多层感知技术应用在三维数据领域的航迹预测技术使用过程之中,利用cnn技术的多层感知越往输入权值越小,越往输出权值越多的倒三角架构形态,丰富对航迹预测的技术操作,完善航空管理体制。利用这种技术为基础的解决方案,加入智能与实时识别算法提出具体的问题解决思路,给予仿真研究图形并配合文字解析,能够真实和有效的给出cnn神经网络为基础的航迹预测识别模型。

关键词： cnn神经网络航迹预测创新性应用

来源：评论

学校读者我要写书评

暂无评论

门控循环单元神经网络在光伏最大功率跟踪中的应用

门控循环单元神经网络在光伏最大功率跟踪中的应用

引用

作者：王冉冉浙江理工大学

学位级别：硕士

太阳能光伏发电是一种利用太阳能转换为电能的技术,得到越来越广泛的应用。然而在运行过程中容易出现未工作在最大功率点处的情况,造成能源的浪费。因此,研究高精度的太阳能光伏系统最大功率点跟踪算法具有重要意义。本文基于门控循环单... 详细信息

太阳能光伏发电是一种利用太阳能转换为电能的技术,得到越来越广泛的应用。然而在运行过程中容易出现未工作在最大功率点处的情况,造成能源的浪费。因此,研究高精度的太阳能光伏系统最大功率点跟踪算法具有重要意义。本文基于门控循环单元(GRU)神经网络研究了光伏系统最大功率点跟踪算法,主要包括以下3个部分。1)太阳电池的输出特性仿真。在Matlab/Simulink仿真环境中,搭建了太阳电池仿真模型,分析了太阳电池的电气特性,通过修改环境数据特征,包括均匀太阳能辐照度、太阳电池温度,不均匀太阳能辐照度、太阳电池温度等,得到不同条件下的太阳电池输出特性。2)当太阳能辐照度均匀时,提出了GA-GRU-MPPT混合算法。采用遗传算法(GA)来优化GRU神经网络,以获取最优的GRU网络参数。与BP-MPPT、GA-BP-MPPT等算法的预测对比实验表明,GA-GRU-MPPT混合算法具有一定的预测精度优势。3)当太阳能辐照度不均匀时,提出了GAN-cnn-GRU-MPPT混合算法。采用生成对抗网络(GAN)扩充太阳能辐照度不均匀时的环境数据;采用卷积神经网络(cnn)提取3块太阳电池接收太阳能辐照度与太阳电池温度的数据特征,利用GRU神经网络提取了环境数据的时序特征,预测最大功率点的电压值。与BP、RNN、LSTM、GRU等算法的预测结果对比,当太阳能辐照度不均匀时,GAN-cnn-GRU-MPPT混合算法预测误差更小,预测结果更加接近理论电压值。本论文中的环境数据包括太阳能辐照度与太阳电池温度,原始数据来源于晓星集团光伏云平台。针对4种不同气象条件的仿真结果表明,当太阳能辐照度均匀时,GA-GRU-MPPT混合算法的最大功率点跟踪精度始终保持在98%以上;当太阳能辐照度不均匀时,GAN-cnn-GRU-MPPT混合算法的最大功率点跟踪精度能够达到99%。

关键词：太阳电池最大功率点跟踪 GRU神经网络 GAN神经网络 cnn神经网络

来源：评论

学校读者我要写书评

暂无评论

基于BiGRU-Att-1dcnn模型的风功率预测方法研究

基于BiGRU-Att-1dCNN模型的风功率预测方法研究

引用

作者：周伟豪沈阳工程学院

学位级别：硕士

近年来,为了应对全球能源紧缺与环境污染的双重挑战,一系列可再生清洁能源如风能、太阳能、地热能等在能源生产中的占比与日俱增。在此其中,风力发电以其高效、安全、清洁的特点在能源技术领域受到广泛关注。但是,风力发电受制于气象条... 详细信息

近年来,为了应对全球能源紧缺与环境污染的双重挑战,一系列可再生清洁能源如风能、太阳能、地热能等在能源生产中的占比与日俱增。在此其中,风力发电以其高效、安全、清洁的特点在能源技术领域受到广泛关注。但是,风力发电受制于气象条件,并且受地理区位因素的影响,风电系统输出功率会产生很大的波动性,使得电网调度中心制定计划的难度增加,在并网时也会对电网的安全、稳定运行造成极大的影响。因此,为增强系统对风功率的预测水平,本文提出了一种基于IBA-VMD法进行风功率数据预处理的BiGRU-Att-1d cnn风功率预测模型,主要工作如下:首先,针对于风电功率具有非平稳性的特点,提出了一种改进蝙蝠算法(Improved Bat Algorithm,IBA)对变分模态分解法(Variational Mode Decomposition,VMD)中惩罚因子α和层数K进行寻优,有效地提高了VMD的分解效果。其次,针对于传统神经网络风功率预测模型中出现的梯度爆炸和过拟合的问题,采用了基于注意力机制(Attention Mechanism,Att)的双层门控循环单元(Bidirectional Gating Recurrent Unit,BiGRU)和基于滑动时间窗(Time Sliding Window,TSW)的卷积神经网络(Convolutional Neural Network,cnn)完成对风电功率信号、风速信号的特征提取,与此同时构建了以双层卷积为基础的1d cnn框架,并利用1d cnn框架对上述两种模型的输出特征进行训练,得到风功率较为精准的预测值。最后,本研究利用Python平台进行算例仿真分析,对BiGRU-Att-1d cnn风功率预测模型进行测试,并且引入四种传统模型作为对照组进行了比较,统计了MSE、R2、MRE、RMSE误差并进行了残差分析。实验表明,本文所建立的风功率预测模型具有较高的准确性。相比于传统的风功率预测方法,该模型有效地避免了梯度爆炸和过拟合现象的发生,模型预测精确度和运行稳定性上都有了较大的改善。

关键词：风电功率预测改进蝙蝠算法 VMD分解 BiGRU神经网络 cnn神经网络

来源：评论

学校读者我要写书评

暂无评论

穿戴式生理参数监测系统的研究

穿戴式生理参数监测系统的研究

引用

作者：魏路明常州大学

学位级别：硕士

人体的健康状态可以通过生理参数反映出来,对人体生理参数进行实时的监测,不仅可以监测人体的健康状态,也可为病情的诊断提供依据。研究穿戴式生理参数监测系统主要对人体的心率、血氧、体温以及运动步长进行监测,对于身体一些疾病的提... 详细信息

人体的健康状态可以通过生理参数反映出来,对人体生理参数进行实时的监测,不仅可以监测人体的健康状态,也可为病情的诊断提供依据。研究穿戴式生理参数监测系统主要对人体的心率、血氧、体温以及运动步长进行监测,对于身体一些疾病的提前发现,以及提前就诊具有重要意义。基于此,对穿戴式生理参数监测系统进行了研究,完成的主要工作如下: (1)研究了信号采集方法,针对生理信号采集过程中易受到外界干扰以及运动噪声影响的情况,采用滑动均值滤波法对穿戴式设备采集的体温数据进行滤波处理,采用了自适应滤波变换对心电信号滤波,降低了噪声的扰动以及信号的干扰,采用卡尔曼滤波算法对运动姿态进行检测以及数据进行处理。经过实验论证,穿戴式设备测量精度得到提升。 (2)通过cnn神经网络搭建了人体健康模型的识别,可通过生理参数的采集来识别人体的健康状态,通过对健康参数进行分类,最终验证了本模型具有较高的识别率,在迭代完毕后其识别率可达98%以上。 (3)选用STM32作为主要控制芯片,对人体的血氧、体温、心率以及运动步长进行数据采集以及处理。数据处理完毕后上传至上位机,上位机对数据进行波形的绘制,使监护对象以及医疗人员可以更直观的观测。 (4)设计了上位机软件和手机APP远程监护软件,以便实时对个人的健康状态进行监测。完成了软件和硬件的调试,测试时与其他同类设备的数据分析与对比,验证测试了系统的可靠性与稳定性。所取得的成果对人的生理参数监测系统的研究有一定的实际意义。

关键词： cnn神经网络自适应滤波 ECG 卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

娄烦光伏电站设计与发电量预测方法研究

娄烦光伏电站设计与发电量预测方法研究

引用

作者：王飞河北科技大学

学位级别：硕士

近年来,全球能源消耗量在不断增长,各国大力提倡可再生能源的发展,其中太阳能是最重要的一种可再生能源。合理开发太阳能资源符合能源产业政策发展方向,符合地区能源结构的可持续发展。太阳能光伏电站的建设和光伏电站发电量、功率的预... 详细信息

近年来,全球能源消耗量在不断增长,各国大力提倡可再生能源的发展,其中太阳能是最重要的一种可再生能源。合理开发太阳能资源符合能源产业政策发展方向,符合地区能源结构的可持续发展。太阳能光伏电站的建设和光伏电站发电量、功率的预测,对于能源结构的优化、电网冲击的抑制、电网的安全性具有重要的意义。基于以上研究背景,本文主要研究工作如下:(1)根据调研结果和光伏电站建设标准,确定在太原市娄烦建设30MW太阳能光伏电站。首先利用PVsyst计算了太阳能电池板倾角,利用Helios 3D进行了阴影分析,确定了太阳能组串的分布和排列方式,然后完成了太阳能电池板型号、组串结构、逆变器的选型设计,确定了升压方式,最后完成了电站的设计。(2)为有效提高光伏电站发电量预测精度,提出了一种新的基于蚁群算法优化长短期记忆网络(Long Short-Term Memory,LSTM)的光伏发电量短期预测模型。首先,利用蚁群算法对传统LSTM神经网络的权值和阈值进行优化,然后将优化后的权值和阈值再次代入LSTM神经网络中去,如此反复优化,直到精度满足要求,输出最优值。利用蚁群算法优化LSTM神经网络后的预测模型对娄烦电站晴天、多云、阴天三种天气类型的光伏发电量进行预测分析,并与优化前的LSTM神经网络模型的预测值进行对比分析。结果表明:蚁群优化后的LSTM神经网络预测模型精度更高,更适合于该电站的光伏发电量短期预测工作。(3)现有的光伏功率预测方法在一定程度上解决了光伏电站历史功率数据的非线性问题,但不能兼顾时序性问题,为了更好地利用历史有效数据、兼顾数据时序性和非线性特点,提高光伏电站短期发电功率预测精度,提出了一种新的基于Kmeans聚类算法和粒子群(particle swarm optimization,PSO)优化卷积神经网络(Convolutions Neural Network,cnn)及LSTM神经网络的光伏电站短期发电功率预测方法,该方法结合cnn和LSTM各自的优势,首先通过Kmeans将近似日数据进行聚类,然后通过PSO优化cnn-LSTM神经网络模型的学习率及隐含层节点数,采用cnn提取数据的特征量,并以时序方式构建LSTM网络的输入数据,最后通过LSTM搭建光伏发电功率的预测模型,通过比对LSTM模型及cnn-LSTM模型,验证了该预测方法精度更高。大型太阳能光伏电站的设计和建设推动了清洁能源的发展,基于深度学习的预测模型提高了发电量及发电功率预测的准确性,抑制了太阳能光伏对电网的冲击,有利于大型发电厂的可靠并网。

关键词：光伏发电发电量预测蚁群算法粒子群优化算法 cnn神经网络 LSTM神经网络

来源：评论

学校读者我要写书评

暂无评论

基于IQ图特征的通信辐射源个体识别

引用

信号处理 2021年第1期37卷 120-125页

作者：陈悦雷迎科李昕叶铃梅凡国防科技大学电子对抗学院安徽合肥230037 中国人民解放军96833部队湖南怀化418000

在真实的战场环境中,我们很难采集到足够的带标签的敌方辐射源数据,通过不断地发展,cnn神经网络有着很强的处理图片分类的能力,为了充分利用发展最为成熟的cnn神经网络,本文提出了一种将IQ路数据转化成图片的识别方法。由于数据的IQ图... 详细信息

在真实的战场环境中,我们很难采集到足够的带标签的敌方辐射源数据,通过不断地发展,cnn神经网络有着很强的处理图片分类的能力,为了充分利用发展最为成熟的cnn神经网络,本文提出了一种将IQ路数据转化成图片的识别方法。由于数据的IQ图具有重复性与个体的差异性,通过实验,这种方法在识别不同个体超短波电台上有着94%的正确率,对比双谱特征,IQ图特征具有更强的识别能力。这种特征变换方法简单,并且cnn网络处理图片分类的技术成熟,具有很强的实用性。

关键词： IQ图特征 cnn神经网络辐射源个体识别

来源：评论

学校读者我要写书评

暂无评论

一种基于cnn和RNN深度神经网络的天气预测模型——以北京地区雷暴的6小时临近预报为例

引用

数值计算与计算机应用 2018年第4期39卷 299-309页

作者：倪铮文韬中国人民解放军96873部队宝鸡721000 中国人民解放军31008部队北京100000

本文提出了一种针对气象数据的cnn-LSTM深度神经网络,先是说明了其理论原理,然后对北京市(站号54511)1984年1月1日到2011年9月14日每日逐6小时实况观测的数据和ECMWF的再分析资料(http://***/datasets/data/interim-full-daily/levtype=p1/)建立了北京市未来6小时雷暴预报模型,测试了模型对北京市(站号54511)2011年9月15日到2013年12月30日的雷暴预测准确率.结果表明:模型对北京市未来6小时雷暴预报准确率83.08%,误报率13.02%,能较好的对雷暴的6小时临近预报提供支持,可满足日常业务的需要.

关键词：天气预报 6小时临近预报雷暴 LSTM神经网络 cnn神经网络深度神经网络

来源：评论

学校读者我要写书评

暂无评论

GAN-cnn-GRU在光伏最大功率点跟踪中的应用

引用

计算机时代 2023年第6期 119-123页

作者：王冉冉高慧敏浙江理工大学计算机科学与技术学院浙江杭州310018 嘉兴学院信息科学与工程学院

光伏阵列在复杂光照强度条件下,出现局部遮荫现象,导致输出特性曲线呈现多峰值状态,造成光伏系统能量转化率低下。本文提出一种基于生成对抗网络(GAN)、卷积神经网络(cnn)和门控循环单元(GRU)的混合预测模型,预先使用GAN对光伏发电原始... 详细信息

光伏阵列在复杂光照强度条件下,出现局部遮荫现象,导致输出特性曲线呈现多峰值状态,造成光伏系统能量转化率低下。本文提出一种基于生成对抗网络(GAN)、卷积神经网络(cnn)和门控循环单元(GRU)的混合预测模型,预先使用GAN对光伏发电原始环境数据进行数据扩充,再用cnn提取不同光伏太阳能板的环境数据特征,最后利用GRU进行最大功率点电压的预测。仿真结果表明,该混合预测模型可避免陷入局部极值的情况,可以有效提高复杂光照强度条件下的最大功率点跟踪效率。

关键词：光伏电池最大功率点跟踪 GRU神经网络 cnn神经网络生成对抗网络仿真

来源：评论

学校读者我要写书评

暂无评论

一种基于Raspberry Pi的智能助盲导航系统

引用

计算机时代 2023年第1期 8-11页

作者：王雨欣贺裕赵灿哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025

以提高盲人的生活便捷性为目的,开发出了一款基于树莓派的智能助盲导航系统。该系统能够将多维视觉信息转化为有效听觉信息,通过对盲人日常生活场景的各种实体进行图像的采集和处理,并最终以语音的形式传输给盲人。

关键词：树莓派智能导航图像识别人机交互 cnn神经网络

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：