在遥感海浪数据质量控制研究中,由于数据的复杂与不规则性,传统质量控制方法对海浪数据单点异常值的检测具有一定局限性。深度学习具有强大的特征学习能力,在解决非线性复杂问题方面具有一定优势,将其应用在数据质量控制领域可以提高异...在遥感海浪数据质量控制研究中,由于数据的复杂与不规则性,传统质量控制方法对海浪数据单点异常值的检测具有一定局限性。深度学习具有强大的特征学习能力,在解决非线性复杂问题方面具有一定优势,将其应用在数据质量控制领域可以提高异常值检测能力。本研究采用遥感海浪有效波高数据,构建双向长短期记忆网络(bi-directional long short term memory,Bi-LSTM)模型对有效波高进行预测,结合阈值方法进行异常检测,与3σ准则法、孤立森林模型法、 LSTM模型法以及VAE-LSTM模型法进行异常检测精度比较,探究基于Bi-LSTM的质量控制模型在遥感海浪数据异常值检测方面的能力。试验结果表明,Bi-LSTM质量控制模型具有良好的异常值检测效果,其精准率、召回率、 F1分数和运行时间分别为91%、 93%、 92和3.35 s,综合评价效果最佳,可有效对遥感海浪数据进行质量控制。展开更多
短期预测在智能电网建设中扮演着重要角色,深刻影响电网发输变配用各个环节的智能化改造。短期预测一般基于系统实测数据,而传感器故障,数据传输错误等原因会导致数据质量下降,严重影响短期预测的精确性。为建立数据质量受损情况下的精...短期预测在智能电网建设中扮演着重要角色,深刻影响电网发输变配用各个环节的智能化改造。短期预测一般基于系统实测数据,而传感器故障,数据传输错误等原因会导致数据质量下降,严重影响短期预测的精确性。为建立数据质量受损情况下的精确短期预测模型,提出了结合数据预处理和双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)的短期预测框架Bi-LSTM-DP(bi-directional long short-term memory data preprocessing)。在Bi-LSTM-DP中,采集的数据首先通过均值填补缺失值,进而基于Savitzky-Golay滤波器对数据降噪,最后采用Bi-LSTM提取时间序列的信息,实现短期预测。为了评估所提方法的性能,文中使用实测的公开数据集分别预测风电发电量和负荷需求,与其他参考方法对比表明了所述方法的有效性和鲁棒性。展开更多
文摘在遥感海浪数据质量控制研究中,由于数据的复杂与不规则性,传统质量控制方法对海浪数据单点异常值的检测具有一定局限性。深度学习具有强大的特征学习能力,在解决非线性复杂问题方面具有一定优势,将其应用在数据质量控制领域可以提高异常值检测能力。本研究采用遥感海浪有效波高数据,构建双向长短期记忆网络(bi-directional long short term memory,Bi-LSTM)模型对有效波高进行预测,结合阈值方法进行异常检测,与3σ准则法、孤立森林模型法、 LSTM模型法以及VAE-LSTM模型法进行异常检测精度比较,探究基于Bi-LSTM的质量控制模型在遥感海浪数据异常值检测方面的能力。试验结果表明,Bi-LSTM质量控制模型具有良好的异常值检测效果,其精准率、召回率、 F1分数和运行时间分别为91%、 93%、 92和3.35 s,综合评价效果最佳,可有效对遥感海浪数据进行质量控制。
文摘短期预测在智能电网建设中扮演着重要角色,深刻影响电网发输变配用各个环节的智能化改造。短期预测一般基于系统实测数据,而传感器故障,数据传输错误等原因会导致数据质量下降,严重影响短期预测的精确性。为建立数据质量受损情况下的精确短期预测模型,提出了结合数据预处理和双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)的短期预测框架Bi-LSTM-DP(bi-directional long short-term memory data preprocessing)。在Bi-LSTM-DP中,采集的数据首先通过均值填补缺失值,进而基于Savitzky-Golay滤波器对数据降噪,最后采用Bi-LSTM提取时间序列的信息,实现短期预测。为了评估所提方法的性能,文中使用实测的公开数据集分别预测风电发电量和负荷需求,与其他参考方法对比表明了所述方法的有效性和鲁棒性。
