China S&T Journals

Relevance

Relevance
Publication time

10 per page

10 per page
20 per page
30 items are displayed on each page

334 Articles

基于开发智慧云平台的日前建筑用电负荷预测方法研究
Authors：潘广旭宫池玉李兴玉胡军李英杰王瑞琪
《电气传动》 2022年12期《电气传动》 Issue 12,2022
Keywords：电力负荷预测云平台长短期记忆神经网络小波变换
Abstract：作为电力系统设计规划、运行调度的重要一环,电力负荷预测受到强随机性、低精度的困扰,同时先进预测算法的落地实施关联数据管理系统,而传统数据管理系统底层数据资源传输与治理、预测信息应用十分不便.为了克服以上问题,基于云平台,在实现数据高效采集与治理的基础上,为电负荷预测提供天气预报以及历史电负荷信息;在日前负荷预测过程中,针对单一长短期记忆(LSTM)神经网络对时序数据挖掘能力不充分的情况,利用小波变换(WT)细化时序负荷高频分量,同时借…More>>
基于长短期记忆神经网络的油田注水预测CSTPCD
Authors：于志刚张德政宋文江葛嵩辛小军
《吉林大学学报：信息科学版》 Issue 1,2022
Keywords：注水预测长短期记忆神经网络循环神经网络人工智能
基于数据驱动建模的核电站一回路管道劣化趋势研究北大核心
Authors：钱虹王建棋徐邦智苏玉军
《热力发电》 2022年6期《热力发电》 Issue 6,2022
Keywords：核电站管道劣化健康度改进马氏距离卷积神经网络长短期记忆神经网络
Abstract：提出一种基于管道状态数据的分析方法,可得到管道劣化趋势,有助于预防管道劣化引起的泄漏。具体方法是通过融合主观专家经验层次分析法和客观大数据分析熵权法的优点,定量地构建一回路管道的改进马氏距离健康度模型,进而应用融合卷积神经网络和长短期记忆神经网络的组合预测模型,对一回路管道未来的劣化泄漏情况做出趋势分析和预判。仿真结果表明,构建的健康度模型能够较好的反映出一回路管道的真实健康状态;组合预测模型可以有效地预测一回路管道劣化泄漏的趋势,为…More>>
基于RFID和机器学习的室内固定资产定位方法
Authors：方潜生黄晶王萍张振亚李善寿
《广西科技大学学报》 Issue 3,2022
Keywords：射频识别机器学习长短期记忆神经网络粒子群优化前馈神经网络定位识别
Abstract：针对传统室内固定资产定位方法存在定位时间长、定位误差较大以及定位成本高等问题,提出一种基于射频识别技术和机器学习的室内固定资产定位方法.首先,构建基于长短记忆神经网络的固定资产感知识别模型,完成对固定资产设备的区域级识别粗定位,实现对某个区域内固定资产设备数量的自动清点;其次,面向粗定位结果在区域内的固定资产设备,设计基于粒子群优化反向传播神经网络的定位模型,实现对固定资产设备的精准定位;最后,在高校实验室环境下开展了实测实验.实验结…More>>
基于EEMD-LSTM模型的集中供热系统热负荷预测方法研究
Authors：张月宇李德成方大俊王凯
《能源工程》 2022年1期《能源工程》 Issue 1,2022
Keywords：区域热网负荷预测集合经验模态分解长短期记忆神经网络
Abstract：对热网进行负荷预测是保障供热系统按需供热和精准调控的前提和依据。针对供热系统中由于高延迟、大惯性特点造成的调控不灵和能源浪费问题,构建了基于EEMD-LSMD方法的区域热网负荷预测模型,先通过EEMD(集合经验模态分解)对某热网换热站历史运行数据进行分解,并对分解的分量进行选择和辨别,再结合LSTM(长短期记忆神经网络)算法对选择的各个变量分别进行预测,最后叠加预测值得出预测结果。算例结果表明,采用EEMD与神经网络相结合的方法…More>>
矿用智能巡检机器人无标定视觉伺服控制研究北大核心CSTPCD
Authors：李静黄友锐韩涛兰世豪陈宏茂甘福宝
《工矿自动化》 2021年11期《工矿自动化》 Issue 11,2021
Keywords：矿用智能巡检机器人无标定视觉伺服图像雅可比矩阵卡尔曼滤波长短期记忆神经网络
Abstract：针对矿用智能巡检机器人无标定视觉伺服控制中采用基于传统的卡尔曼滤波(KF)的图像雅可比矩阵存在估计值不准确、鲁棒性差的问题,提出了一种具有长短期记忆(LSTM)的卡尔曼滤波算法(KFLSTM算法).KFLSTM算法使用LSTM弥补由KF算法产生的估计误差,将滤波增益误差、状态估计向量误差、观测误差用于LSTM的在线训练,利用训练后的LSTM模型对雅可比矩阵进行最优估计,通过提高雅可比矩阵估计值的准确性和稳定性来改善视觉伺服控制的实时性…More>>
基于SSA-Bi-LSTM神经网络的母线负荷预测方法CSTPCD
Authors：胡如乐陈逸枞张大海张沛王舒杨喻芸
《广东电力》 2022年2期《广东电力》 Issue 2,2022
Keywords：母线负荷双向长短期记忆神经网络负荷预测麻雀搜索算法长短期记忆神经网络
Abstract：为了提高母线负荷预测精度,针对长短期记忆(long short term memory,LSTM)神经网络在母线负荷预测时存在对负荷规律提取不足导致精度下降、超参数设置依赖经验等问题,首先构建LSTM神经网络的变体网络———双向长短期记忆(Bi-directional LSTM,Bi-LSTM)神经网络,捕获时间序列未来可用的信息。然后采用麻雀搜索算法(sparrow search algorithm,SSA)搜索最优超参…More>>
基于随机森林和长短期记忆网络多元负荷预测的综合能源三层规划调度北大核心CSTPCD
Authors：李玉凯韩佳兵于春浩王全杨蒙赵钧
《现代电力》 2021年6期《现代电力》 Issue 6,2021
Keywords：综合能源系统多元负荷预测规划调度随机森林回归长短期记忆神经网络
Abstract：针对综合能源系统负荷不确定性对规划和调度造成的高成本低效率问题,提出一种基于多元负荷预测的3层规划调度模型,主要包括预测层、规划层和调度层;基于随机森林回归网络和长短期记忆网络构建了多元负荷的长期和短期预测模型;以综合规划调度成本和调度运行成本最小为目标,采用改进粒子群算法和CPLEX求解器获取最优系统综合成本及配置方案;通过不同场景下的规划调度,分析了设备状态与系统成本.通过对比所构建的3层模型与常规双层模型的规划调度结果,证明了3…More>>
基于长短期记忆神经网络和改进型K-means聚类算法的居民峰谷时段划分模型北大核心CSTPCD
Authors：江兵李国荣孙赵盟庞宗强
《现代电力》 2021年6期《现代电力》 Issue 6,2021
Keywords：峰谷时段划分长短期记忆神经网络改进型K-means算法聚类分析轮廓系数
Abstract：为了解决传统峰谷时段划分方法因只选取单一典型日而无法在较长时间范围内适用的问题,提出一种基于长短期记忆神经网络(long short-term memory,LSTM)和改进型K-means聚类算法的居民峰谷时段划分模型:首先对居民用户一整年的负荷数据进行有效性检查和归一化处理,保证数据的准确可靠;接着将处理后的负荷数据按照不同季节及不同日期类型进行相应的分类,保证分类的数据具有较强的相似性;然后将数据按分类分别加入LSTM进行训练,…More>>
基于时频分析的LSTM组合模型径流预测北大核心CSCDCSTPCD
Authors：蔡文静陈伏龙何朝飞骆成彦龙爱华
《干旱区地理》 2021年6期《干旱区地理》 Issue 6,2021
Keywords：径流预测组合模型时频分析长短期记忆神经网络
Abstract：针对变化环境下径流时间序列复杂的非线性、非平稳性特征,为提高中长期径流预测的准确性,运用多种时频分析方法构建组合预报模型以探究适用性.以干旱区典型内陆河玛纳斯河为例,利用经验模态分解(EMD)、变分模态分解(VMD)、离散小波变换(DWT)时频分析方法对径流时间序列进行多尺度分解,得到不同频率和特征的子序列.以前期径流、降水量、气温、大气环流因子等作为长短期记忆神经网络模型(LSTM)的输入变量,采用随机森林法和Pearson相关系数…More>>

12 3 4 5 6 >