期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到313,729篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于TimeGAN-LSTM-MLP的钻井溢流智能监测模型
1
作者 彭炽 万兴 +3 位作者 林铁军 李庆峰 苏昱 杨赟 《钻采工艺》 北大核心 2026年第1期171-183,共13页
由于钻井现场实钻溢流数据较少,导致智能溢流监测模型训练困难,准确度和泛化能力较差,为此,文章提出一种基于时间序列生成对抗网络(TimeGAN)的溢流时序数据扩增方法,通过真实溢流数据生成人工溢流样本,并利用长短期记忆神经网络(LSTM)... 由于钻井现场实钻溢流数据较少,导致智能溢流监测模型训练困难,准确度和泛化能力较差,为此,文章提出一种基于时间序列生成对抗网络(TimeGAN)的溢流时序数据扩增方法,通过真实溢流数据生成人工溢流样本,并利用长短期记忆神经网络(LSTM)提取井口多元时序特征,多层感知机(MLP)完成分类任务,构建溢流智能监测模型。利用四川盆地深层页岩气井实钻数据,分析了不平衡数据处理技术及样本不平衡比对模型监测性能的影响,同时通过消融实验探讨各模块对溢流识别的贡献。结果表明,TimeGAN优于其他数据平衡处理技术,模型在样本不平衡比为1时的准确率、召回率、精确率及F值最高,表明保证样本类别平衡是构建可靠溢流监测模型的关键。经现场验证,模型在四川某页岩气井成功实现高效准确的实钻溢流监测,展现出良好的应用潜力。 展开更多
关键词 timeGAN 溢流监测 机器学习 时间序列 不平衡样本
在线阅读 下载PDF
基于TimeVAE的1DCNN-S-Mamba组合模型光伏功率短期预测
2
作者 许可证 文中 王秋杰 《热力发电》 北大核心 2026年第1期122-133,共12页
针对极端天气下光伏功率预测存在的气象响应失准、突变特征捕捉困难及数据稀缺等问题,提出一种基于模糊C均值(fuzzy C-means,FCM)、最大信息系数(maximum information coefficient,MIC)、时序变分自编码器(time variational auto-encode... 针对极端天气下光伏功率预测存在的气象响应失准、突变特征捕捉困难及数据稀缺等问题,提出一种基于模糊C均值(fuzzy C-means,FCM)、最大信息系数(maximum information coefficient,MIC)、时序变分自编码器(time variational auto-encoders,TimeVAE)、一维卷积神经网络(1D convolutional neural network,1DCNN)和simple-Mamba(S-Mamba)的组合功率预测模型。首先,通过气象特征结合FCM聚类将天气划分为晴天、多云、降雪和降雨4类;然后,结合MIC筛选出最佳气象特征子集,同时针对极端天气样本匮乏问题,采用Time VAE进行数据生成,利用其分解式重构机制生成仿真数据;最后,使用1DCNN-S-Mamba组合模型通过局部卷积捕获短时突变特征,结合双向状态空间建模实现长程依赖解析进行预测。实验结果表明,该模型提升了复杂天气下光伏功率预测的时效性与准确性。相较于S-Mamba,所提模型平均绝对误差和均方根误差在降雪天气下分别降低了3.65%和5.10%。 展开更多
关键词 模糊聚类 时序变分自编码器 数据增强 一维卷积神经网络 S-Mamba
在线阅读 下载PDF
基于优化TimeGAN的航空发动机燃油调节系统故障数据增强方法
3
作者 张瑞鑫 马逸超 +1 位作者 李洋洋 李运华 《应用基础与工程科学学报》 北大核心 2026年第1期64-75,共12页
燃油调节系统作为航空发动机控制的核心系统是发动机故障高发区域.针对基于机器学习的故障诊断模型在训练中面临的数据规模有限和样本同质化问题,提出一种结合优化时间序列生成对抗网络(Time-series Generative Adversarial Networks,Ti... 燃油调节系统作为航空发动机控制的核心系统是发动机故障高发区域.针对基于机器学习的故障诊断模型在训练中面临的数据规模有限和样本同质化问题,提出一种结合优化时间序列生成对抗网络(Time-series Generative Adversarial Networks,TimeGAN)与孤立森林(Isolation Forest,iForest)的小样本数据增强方法.该方法首先通过TimeGAN学习由AMESim获得的故障数据的时间相关特性,生成多元故障时间序列;进而采用粒子群算法(Particle Swarm Optimization,PSO)优化TimeGAN网络参数,以加强对不同故障模式的特征注意与学习能力.在此基础上,利用训练后的优化TimeGAN生成故障数据,并借助iForest进行异常检测与去除,从而进一步提升生成故障数据的质量.通过对某型号航空发动机燃油调节系统的AMESim模型的有限故障数据开展验证分析表明,与传统方法相比,所提方法显著提高了故障数据的多样性、代表性和分布覆盖度,有效缓解了小样本条件下的特征学习不足问题,为航空发动机燃油调节系统的智能运维与故障识别提供了更充分的数据支持. 展开更多
关键词 航空发动机 燃油调节系统 时间序列生成对抗网络 孤立森林 优化算法 异常检测
原文传递
1例坏疽性脓皮病病人基于“TIME”原则的创面护理实践
4
作者 郭青 赵茜 +1 位作者 冯晓琳 栾红 《全科护理》 2026年第2期386-389,共4页
总结1例坏疽性脓皮病病人应用“TIME”原则的创面护理经验,基于“TIME”原则结合系统药物治疗及多维度护理干预,实施分阶段创面护理。经过50 d系统治疗及针对性护理,病人溃疡面积显著缩小,疼痛数字评分(NRS)由8分降至2分,创面基底肉芽... 总结1例坏疽性脓皮病病人应用“TIME”原则的创面护理经验,基于“TIME”原则结合系统药物治疗及多维度护理干预,实施分阶段创面护理。经过50 d系统治疗及针对性护理,病人溃疡面积显著缩小,疼痛数字评分(NRS)由8分降至2分,创面基底肉芽组织增生良好,出院33 d后随访病情稳定,伤口愈合良好。 展开更多
关键词 坏疽性脓皮病 “time”原则 创面护理 伤口感染
暂未订购
品管圈在提高拔牙术前Time-out程序正确执行率的应用
5
作者 游迪迪 叶芳平 +1 位作者 武丹 谷丽萍 《现代医院》 2026年第1期47-51,共5页
目的探讨品管圈活动在提高口腔门诊拔牙术前Time-out程序正确执行率的应用效果。方法成立品管圈小组,调查科室现状,采用5/3/1评分法选定“提高拔牙术前Time-out程序正确执行率”为活动主题,收集2023年6月1日—6月8日南方医科大学口腔医... 目的探讨品管圈活动在提高口腔门诊拔牙术前Time-out程序正确执行率的应用效果。方法成立品管圈小组,调查科室现状,采用5/3/1评分法选定“提高拔牙术前Time-out程序正确执行率”为活动主题,收集2023年6月1日—6月8日南方医科大学口腔医院海珠广场院区口腔颌面外科拔牙术前Time-out程序正确执行情况,2023年10月12日至10月19日分析未正确执行的原因,设定改善目标,制定并实施对策。结果品管圈活动实施后,拔牙术前Time-out程序正确执行率由35.89%提升至80.81%,目标达成率和进步率分别为107.26%和125.16%。圈员的综合能力较活动前明显提升。结论品管圈活动能有效提高口腔门诊拔牙术前Time-out程序正确执行率,降低医疗风险,保障患者安全,同时增加科室成员的责任心与严谨性,促进医护协作,体现品管圈管理工具在解决临床问题中的实用价值。 展开更多
关键词 品管圈 拔牙术前的核对 time-out程序
暂未订购
基于时序基础TimesNet模型的配网负荷短期预测
6
作者 周通 康健 《电子设计工程》 2026年第8期105-109,共5页
针对配网负荷数据离散分布特征显著的问题,提出基于时序基础TimesNet模型的配网负荷短期预测方法。通过Rapid-MIC计算负荷之间的相互作用程度,并将其量化结果作为配网负荷母线邻接矩阵中的参数,从而得到配网负荷时序耦合关联的量化表征... 针对配网负荷数据离散分布特征显著的问题,提出基于时序基础TimesNet模型的配网负荷短期预测方法。通过Rapid-MIC计算负荷之间的相互作用程度,并将其量化结果作为配网负荷母线邻接矩阵中的参数,从而得到配网负荷时序耦合关联的量化表征。设计了针对配网负荷数据的时序基础TimesNet模型,该模型以时间块为基本单元,将输入的一维配网负荷时序耦合关联序列转换至二维空间,利用Inception函数提取时间特征,再将其反向嵌入至一维空间,实现负荷参数时序变化的聚合。实验结果表明,所提方法应用后负荷参数的误差基本控制在-40.0~60.0 MW范围内,有效反映了真实的负荷状况,证明了该方法在配网负荷短期预测中的可行性和准确性。 展开更多
关键词 时序基础timesNet模型 配网负荷 短期预测 时序耦合关联 二维张量
在线阅读 下载PDF
基于Thermal Time模型预测高加索三叶草花序生长和花期发展
7
作者 张慧敏 王明玖 +3 位作者 提忠慧 刘嘉伟 曹克璠 马一鸣 《草地学报》 北大核心 2025年第3期850-858,共9页
Thermal time模型认为植物需要高于基准温度(Base temperature,Tb)累积固定量的热效应(Thermal time,Tt)来完成特定的发育阶段,低于Tb或未达到固定量的Tt,不发生发育阶段的转化。本文在中国青藏高原、内蒙古高原、东北平原和新西兰坎特... Thermal time模型认为植物需要高于基准温度(Base temperature,Tb)累积固定量的热效应(Thermal time,Tt)来完成特定的发育阶段,低于Tb或未达到固定量的Tt,不发生发育阶段的转化。本文在中国青藏高原、内蒙古高原、东北平原和新西兰坎特伯雷平原设置5个试验区,以高加索三叶草(Trifolium ambiguum Bieb.)为研究对象,观测单个花序发育速率和种群开花进展速率。基于试验区温度,运用Thermal time模型预测花序生长和花期进展,旨在量化花序开放和花期推进所需的热量条件,以此指导高加索三叶草饲草利用和种子生产。结果表明,高加索三叶草从现蕾发育到最大花序尺寸约需在2℃以上累积25℃·d;从始花期到盛花期需在7.5℃以上累积635℃·d;从盛花期到结实期存在地形差异,高原地区需在8.7℃以上累积1813℃·d,平原地区需在3℃以上累积1290℃·d。在高原地区高加索三叶草更适合饲草利用,在平原地区有种子生产利用的潜质。 展开更多
关键词 高加索三叶草 温度 基温 花期 热效应
在线阅读 下载PDF
基于TimeGAN和LightGBM的多维时间序列故障样本扩充与诊断研究 被引量：1
8
作者 马良玉 翟亮亮 韩立凯 《电力科学与工程》 2025年第9期13-21,共9页
火电机组热力系统故障往往会经历从轻微到严重的发展过程,而轻度和早期故障因特征不明显很容易被漏诊,这将导致故障进一步发展带来更严重的后果。鉴于机组实际运行中故障样本较为稀缺且记录的多为特征明显的中、重度故障样本,为提高轻... 火电机组热力系统故障往往会经历从轻微到严重的发展过程,而轻度和早期故障因特征不明显很容易被漏诊,这将导致故障进一步发展带来更严重的后果。鉴于机组实际运行中故障样本较为稀缺且记录的多为特征明显的中、重度故障样本,为提高轻度故障诊断的及时性和准确率,提出一种基于时间对抗生成网络(Time-series generative adversarial networks, Time GAN)和轻量级梯度提升机(Light gradient boosting machine, LightGBM)的多维时间序列故障样本扩充及故障诊断方法。数据方面,利用Time GAN对已有的中、重度故障数据进行扩充,生成反映真实故障样本分布且更具多样性的故障样本;模型方面,基于扩充后的故障样本集,采用贝叶斯寻优的LightGBM算法建立故障分类模型,以提高轻度和早期故障的识别能力。以600 MW火电机组高压加热器系统故障诊断为例开展实验研究,结果表明所提方法对轻微故障的诊断效果明显改善,验证了故障样本扩充和诊断方法的有效性。 展开更多
关键词 火电机组 故障诊断 多维时间序列 样本扩充 时间对抗生成网络 轻量级梯度提升机
在线阅读 下载PDF
肠道病毒D68型流行基因型高灵敏通用型Real-time RT-PCR检测方法建立及应用 被引量：2
9
作者 肖梦怡 韩振志 +11 位作者 路环环 丛如意 冀天娇 祝双利 孙强 刘莹 周蕾 栗凡 梁钰材 范华 肖金波 张勇 《病毒学报》 北大核心 2025年第3期625-633,共9页
自2014年肠道病毒D组68型(Enterovirus D68,EV-D68)引起急性弛缓性脊髓炎暴发以来,一直被广泛关注。建立一种快速、高效且便捷的EV-D68特异性Real-time RT-PCR检测方法,对于及时发现潜在的传染源并迅速阻断传播至关重要。本研究参考EV-... 自2014年肠道病毒D组68型(Enterovirus D68,EV-D68)引起急性弛缓性脊髓炎暴发以来,一直被广泛关注。建立一种快速、高效且便捷的EV-D68特异性Real-time RT-PCR检测方法,对于及时发现潜在的传染源并迅速阻断传播至关重要。本研究参考EV-D68各个基因型VP1区代表序列设计探针和引物,通过制作标准品,对其特异性、灵敏度以及重复性进行全面评价,并用临床样本检测其可靠性。结果显示,本研究所设计的探针和引物仅能检出EV-D68,其他73种血清型肠道病毒均无检出情况,最低检测下限为2×10^(1)拷贝/μL,拷贝数与循环阈值之间具有良好的线性关系(R^(2)=0.9933),重复性检测的变异系数小于1.70%,稳定性良好。采用本研究设计的探针和引物对41份临床样本进行检测时,实现了零漏检,与测序的金标准结果完全吻合,对于目前流行的B3和D3基因亚型可以实现全覆盖。综上所述,本研究设计的特异性探针引物在EV-D68检测中展现出高效且准确的特性,同时对目前流行的基因型具有较强的通用性,能够为EV-D68感染的临床诊断、疫情监测以及流行病学调查工作提供有力支持,为EV-D68的快速鉴定和相关疾病防控提供关键技术支撑。 展开更多
关键词 肠道病毒D组68型 实时荧光定量RT-PCR 特异性 灵敏度 重复性
原文传递
基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法 被引量：3
10
作者 潘美琪 贺兴 《太阳能学报》 北大核心 2025年第1期192-200,共9页
风电机组变桨系统的少量不均衡故障样本难以训练基于数据驱动的故障诊断模型,导致监测系统常常漏报或误报故障。针对上述问题,提出一种基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法。在数据层面,由于原始样本类别不平衡,基于时... 风电机组变桨系统的少量不均衡故障样本难以训练基于数据驱动的故障诊断模型,导致监测系统常常漏报或误报故障。针对上述问题,提出一种基于TimeGAN-Stacking的风电机组变桨系统故障诊断方法。在数据层面,由于原始样本类别不平衡,基于时序生成对抗网络(TimeGAN)跟踪风电机组运行数据逐步概率分布的动态变化特征,同时优化生成样本的全局分布与局部分布,有效平衡且扩容风电机组多种故障综合样本集;在模型层面,建立Stacking集成模型,融合多个故障诊断器的优势,进一步提高故障诊断能力。最后,基于实际风场数据对所提方法进行测试,结果表明,所提出的TimeGAN-Stacking故障识别方法可有效诊断4种变桨故障。 展开更多
关键词 风电机组 数据挖掘 故障分析 深度学习 时序生成对抗网络 样本增强
原文传递
基于TimesNet模型的CORS大地高时间序列预测研究
11
作者 时文斌 蒋涛 +2 位作者 罗力 章传银 王伟 《测绘科学》 北大核心 2025年第6期45-54,共10页
针对基于物理参数的GNSS时间序列预测需要输入预测时刻的物理特征,这些未来时刻的特征取值通常很难获取的问题,该文引入深度学习模型TimesNet,以消除对未来时刻的物理特征输入的依赖,并选取10个连续运行基准站(CORS)站点的周解大地高时... 针对基于物理参数的GNSS时间序列预测需要输入预测时刻的物理特征,这些未来时刻的特征取值通常很难获取的问题,该文引入深度学习模型TimesNet,以消除对未来时刻的物理特征输入的依赖,并选取10个连续运行基准站(CORS)站点的周解大地高时序开展预测实验。实验结果表明,TimesNet在不同站点的均方根误差(RMSE)保持在2~9 mm,在同一站点3—12个月内预测精度波动幅度小于3 mm,说明该模型在长时序预测时具有更强的鲁棒性;此外,数据的离散特性会对预测精度和模型参数的敏感性产生显著影响。总体而言,TimesNet模型在周解大地高时序数据的预测中表现出较为理想的效果。 展开更多
关键词 timesNet 深度学习 连续运行参考站 时序分析 时序预测
原文传递
基于拓展Volume-Time理论的串联空气间隙非同期击穿过程分析
12
作者 姚晓飞 常晓雪 +5 位作者 丁健刚 陈佳莉 刘学 王建华 刘志远 耿英三 《高压电器》 北大核心 2025年第3期119-127,159,共10页
为了认识串联空气间隙的击穿过程,以球—球间隙为研究对象,设计了“非对称组合间隙”,即总间隙距离不变的条件下分别单独调整两个间隙的距离使上下间隙距离不一致。采用拓展Volume-Time理论计算了串联双间隙的U50%,并解释了雷电冲击电... 为了认识串联空气间隙的击穿过程,以球—球间隙为研究对象,设计了“非对称组合间隙”,即总间隙距离不变的条件下分别单独调整两个间隙的距离使上下间隙距离不一致。采用拓展Volume-Time理论计算了串联双间隙的U50%,并解释了雷电冲击电压下非对称组合空气间隙的非同期击穿物理过程。实验结果表明,上下间隙距离分布不均匀程度对串联空气间隙击穿电压和击穿延时的影响;不均匀程度较大时,较低电压下存在单个间隙放电、总体不击穿的现象,较高电压下两间隙将出现非同期击穿;不均匀程度较小时,两间隙同期击穿。为了解释这种现象,文中采用拓展Volume-Time理论,通过确定临界体积、临界面积等关键参数来计算串联双间隙的击穿电压。并把串联双空气间隙击穿的原因解释为,空气间隙电场的有效体积与有效面积超过临界值。因此,双间隙非同期击穿的产生是由于当一个间隙达到了击穿起始条件,而另一个间隙还未达到击穿起始条件。 展开更多
关键词 双断口开关 串联空气间隙 雷电冲击电压 非同期击穿特性 Volume-time理论
在线阅读 下载PDF
基于Time-GAN的串联电弧电流超分辨率重建
13
作者 龙葵 牟炜淇 +3 位作者 李秋惠 刘嘉威 陈旭凯 苏盛 《太阳能学报》 北大核心 2025年第11期260-271,共12页
针对串联电弧高频数据提取困难的问题,提出基于时间序列生成对抗网络(Time-GAN)的串联电弧电流超分辨率重建方法,旨在对时域采样的电流信号进行超分辨率处理,以获取更高频的电流信号。首先搭建光伏系统下低压电弧故障真型实验平台,用不... 针对串联电弧高频数据提取困难的问题,提出基于时间序列生成对抗网络(Time-GAN)的串联电弧电流超分辨率重建方法,旨在对时域采样的电流信号进行超分辨率处理,以获取更高频的电流信号。首先搭建光伏系统下低压电弧故障真型实验平台,用不同采样率采集相关数据;然后分析不同采样率对数据时频域采集的影响;再对低采样率的时序数据进行超分辨率重构,生成高频的电流采集数据;最后与高采样率电流信号对比。实验结果表明,基于Time-GAN的超分辨率算法能有效提升电弧电流的采样频率。 展开更多
关键词 串联电弧 电气火灾 信号采样 time-GAN算法 时频域信号重建 光伏系统
原文传递
奶牛乳房炎病原体三重Real-time PCR检测方法的建立及应用
14
作者 郭思宇 高雅欣 +5 位作者 纪佳豪 李梓豪 刘文扬 徐博 王三毛 李睿文 《动物医学进展》 北大核心 2025年第12期39-44,共6页
为了建立同时检测奶牛临床型乳房炎中肺炎克雷伯菌(Kp)、产色葡萄球菌(Sc)和牛支原体(Mb),基于Kp ZKIR基因、Sc sodA基因和Mb opp D/F基因设计特异性引物,建立三重实时定量荧光PCR方法(real-time PCR)。试验采用在单一real-time PCR检... 为了建立同时检测奶牛临床型乳房炎中肺炎克雷伯菌(Kp)、产色葡萄球菌(Sc)和牛支原体(Mb),基于Kp ZKIR基因、Sc sodA基因和Mb opp D/F基因设计特异性引物,建立三重实时定量荧光PCR方法(real-time PCR)。试验采用在单一real-time PCR检测方法的基础上对三重real-time PCR检测方法进行优化,并确定退火条件为60℃,肺炎克雷伯菌、产色葡萄球菌以及牛支原体上、下游引物浓度为20μmol/L、荧光探针浓度为10μmol/L。结果表明,该方法对标准品pUC57-ZKIR-Kp、pUC57-sodA-Sc、pUC57-opp D/F-Mb最低检测限分别为1.55×10^(2) copies/μL、1.44×10^(2) copies/μL、1.34×10^(2) copies/μL,灵敏度高;仅对Kp、Sc、Mb这3种病原产生荧光曲线,对其他病原无交叉反应,特异性强;其中组内、组间变异系数均小于2%,重复性良好。利用建立的多重real-time PCR对233份临床样品进行检测,Kp、Sc、Mb检出率分别为73.09%、21.97%、6.72%,与单一real-time PCR方法检测结果一致。说明建立的多重real-time PCR在实际应用中具有灵敏度高、特异性强、重复性良好、检测速度快等优点,可为奶牛临床型乳房炎病原的快速检测、临床诊断和流行病学调查提供有效检测手段。 展开更多
关键词 临床型乳房炎 三重real-time PCR 肺炎克雷伯菌 产色葡萄球菌 牛支原体
在线阅读 下载PDF
基于Time-lapse的IVF-ET胚胎早期异常卵裂发育及妊娠结局的观察研究 被引量：1
15
作者 胡晓欣 闫红 +1 位作者 刘晓林 郭琰宸 《中国妇产科临床杂志》 北大核心 2025年第3期227-230,共4页
目的探讨采用时差成像(Time-lapse)培养的体外受精-胚胎移植中胚胎早期异常卵裂发育及妊娠结局。方法选取2021年6月至2023年6月在南阳市第一人民医院行Time-lapse技术培养的体外受精-胚胎移植(IVF-ET)患者232例,采用Time-lapse技术观察... 目的探讨采用时差成像(Time-lapse)培养的体外受精-胚胎移植中胚胎早期异常卵裂发育及妊娠结局。方法选取2021年6月至2023年6月在南阳市第一人民医院行Time-lapse技术培养的体外受精-胚胎移植(IVF-ET)患者232例,采用Time-lapse技术观察胚胎早期卵裂情况,分析正常卵裂和异常卵裂各项指标差异,同时采用常规IV-ET患者200例作为对照组。结果观察组可移植胚胎数和形成囊胚数分别为(4.65±1.01)个和(2.66±0.94)个,高于对照组(P<0.05)。观察组共获取正常受精后卵裂的2250枚胚胎,其中正常卵裂发生率为59.20%,异常卵裂发生率为40.80%;异常卵裂中以直接卵裂为主,发生率为16.71%。年龄≥35岁患者异常卵裂发生率为49.73%,明显高于年龄<35岁患者(P<0.05)。无序卵裂、混合异常卵裂D3优质胚胎率分别为0.00%和13.21%,明显低于正常卵裂(P<0.05);正常卵裂囊胚形成率为76.88%,明显高于各异常卵裂(P<0.05);逆向卵裂、无序卵裂和混合异常卵裂优质囊胚率分别为20.69%、0.00%和4.46%,明显低于正常卵裂(P<0.05)。正常卵裂组卵裂期胚胎临床妊娠率为74.55%,高于直接卵裂和胞质异常波动组(P<0.05)。结论Time-lapse有助于观察IVF-ET胚胎早期异常卵裂发育情况,早期异常卵裂胚胎可行囊胚培养进行利用。 展开更多
关键词 时差成像 体外受精-胚胎移植 胚胎 异常卵裂 妊娠结局
原文传递
基于时间序列大模型TimeGPT光伏功率预测方法研究
16
作者 史文瑜 张珍翼 杨德昌 《电力科学与技术学报》 北大核心 2025年第4期150-160,共11页
目前,各种统计和机器模型已经广泛的应用到光伏功率预测中,但在光伏历史数据稀缺的情况下,这些方法普遍存在预测准确性较低的情况。为此,将时间序列大模型(time generative pre-trained transformer,TimeGPT)引入到光伏功率短期预测中... 目前,各种统计和机器模型已经广泛的应用到光伏功率预测中,但在光伏历史数据稀缺的情况下,这些方法普遍存在预测准确性较低的情况。为此,将时间序列大模型(time generative pre-trained transformer,TimeGPT)引入到光伏功率短期预测中。先基于1000亿数据点的大规模和多样化的时间序列数据集(如金融、交通、银行、网络流量、天气、能源、医疗等)构建时间序列大模型;再利用少量光伏功率历史数据对TimeGPT进行微调,以适应与光伏发电功率预测相关的数据分布和特征;然后,在具有用户隐私的光伏数据集中进行仿真,并与现有统计和机器模型进行对比。以案例1为例,当预测步长为1 h时,TimeGPT的平均绝对误差(mean absolute error,MAE)较对比模型的均有所降低;最后,总结了TimeGPT应用条件和改进方向。该文可为TimeGPT在新型电力系统中的应用提供借鉴。 展开更多
关键词 机器学习 光伏功率预测 时间序列大模型 新型电力系统
在线阅读 下载PDF
基于PowerTimeMixer模型的短期电力负荷预测方法 被引量：1
17
作者 李裕民 李宏杰 +3 位作者 李晓嘉 曹媛媛 谢毅 张超 《电网技术》 北大核心 2025年第10期4216-4227,I0058,共13页
文章针对现有电力负荷预测方法未能充分捕获电力负荷数据的周期性和趋势性特性导致预测稳定性差的问题,提出了一种短期电力负荷预测模型PowerTimeMixer。首先,基于解耦思想对原始时间序列进行时序分解,并以多尺度方式学习时序的周期和... 文章针对现有电力负荷预测方法未能充分捕获电力负荷数据的周期性和趋势性特性导致预测稳定性差的问题,提出了一种短期电力负荷预测模型PowerTimeMixer。首先,基于解耦思想对原始时间序列进行时序分解,并以多尺度方式学习时序的周期和趋势特性;其次,引入卷积下采样机制并通过网络参数共享来匹配循环周期,进一步增强电力负荷数据周期模式的特征提取能力;最后,采用独立的日期模式驱动预测模块,使用多层感知机对输入序列和目标序列时间戳特征进行编码,独立地学习时间戳特征,引导网络根据时间戳特征生成更稳定的预测结果。在电力负荷数据集上的实验结果表明,所提出的方法相比基准模型的预测误差显著降低,具有更稳定的预测性能,从而验证了方法的有效性。 展开更多
关键词 电力负荷预测 时序分解 多尺度解耦 日期模式驱动预测 多层感知机
原文传递
基于Time2Vec-BiGRU-SA深度学习模型的碳价格预测
18
作者 杨楠 毕贵红 +3 位作者 李玉洪 孔凡文 骆钊 王瑞 《电力科学与工程》 2025年第9期1-12,共12页
碳交易价格预测对政策制定与市场稳态的维护至关重要,但碳价时间序列的非线性、非平稳性等特征给其精准预测带来困难。为此,提出基于时序特征向量映射模块、双向门控循环单元和自注意力机制融合的深度学习模型。模型集成3个分支:直接处... 碳交易价格预测对政策制定与市场稳态的维护至关重要,但碳价时间序列的非线性、非平稳性等特征给其精准预测带来困难。为此,提出基于时序特征向量映射模块、双向门控循环单元和自注意力机制融合的深度学习模型。模型集成3个分支:直接处理原始碳价时间序列;构建碳价序列多尺度分量矩阵;基于灰色关联度分析与极端随机树方法筛选出与碳价相关的关键变量。各分支均利用时序特征向量映射模块编码时间信息。双向门控循环单元捕捉双向长时依赖。自注意力机制模型加权特征进行综合集成。实证研究显示,该模型单步及多步预测精度高,均优于基准模型,模型具有优越性与稳健性。 展开更多
关键词 深度学习 碳市场价格 多变量时间序列预测 多分支输入 time2Vec
在线阅读 下载PDF
基于自适应GCN与Time-Mixing MLP的多变量时间序列预测模型
19
作者 徐猛猛 吴涛 李振龙 《黑龙江大学自然科学学报》 2025年第2期147-153,共7页
为了更好地处理多变量时间序列中变量交互和尺度交互,提出了多变量时间序列预测模型自适应图卷积网络—时间混合多层感知机(Adaptive graph convolutional network-time-mixing multi-layer perceptron,AGCN-Mixing)。该模型在变量维度... 为了更好地处理多变量时间序列中变量交互和尺度交互,提出了多变量时间序列预测模型自适应图卷积网络—时间混合多层感知机(Adaptive graph convolutional network-time-mixing multi-layer perceptron,AGCN-Mixing)。该模型在变量维度上,利用自适应图卷积网络进行变量交互,有效提取序列间的隐藏特征和模式;在时间维度上,将时间序列下采样为子时间序列,并利用时间混合多层感知机进行多尺度交互,有效捕获序列内的复杂交互关系。在6个公开数据集上进行了实验,结果显示,与现有基准模型相比,AGCN-Mixing的均方误差(Mean squared error,MSE)比多变量时间序列图神经网络(Multivariate time series graph neural network,MTGNN)、频率增强分解Transformer(Frequency enhanced decomposed transformer,FEDformer)、分解线性层网络(Decomposition linear layer network,DLinear)和基于时间二维变化网络(Time-based two dimensional variation network,TimesNet)模型分别平均减少了20.50%、15.64%、15.44%和7.50%,表明AGCN-Mixing有效提升了预测精度。 展开更多
关键词 多变量时间序列预测 图卷积网络 时间混合多层感知机 下采样
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
使用帮助 返回顶部