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380篇文章
< 1 2 … 19 >
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：
基于多特征融合的车辆轨迹预测研究
1
作者 王庆荣 郝福乐 +1 位作者 朱昌锋 王俊杰 《计算机工程》 北大核心 2026年第2期331-341,共11页
针对现有模型对车辆特征提取不足和预测场景单一的问题,提出了一种在多场景下融合多特征的车辆轨迹预测模型MTF-GRU-MTSHMA。该模型由编码器模块、多特征提取模块、多特征融合模块和轨迹预测模块组成。在编码器模块,利用门控循环单元(G... 针对现有模型对车辆特征提取不足和预测场景单一的问题,提出了一种在多场景下融合多特征的车辆轨迹预测模型MTF-GRU-MTSHMA。该模型由编码器模块、多特征提取模块、多特征融合模块和轨迹预测模块组成。在编码器模块,利用门控循环单元(GRU)对车辆历史信息进行编码得到车辆的历史状态;在多特征提取模块,考虑目标车辆区域内周围车辆之间的空间关联性,通过多维度空间注意力机制挖掘周围车辆的深层特征,并引入三重注意力机制对编码后的状态向量进行特征提取;在多特征融合模块,将提取到的多种特征进行线性拼接,并输入到多特征融合网络中进行融合;在轨迹预测模块,对GRU进行改进,提出混合示教门控循环单元(MTF-GRU)并作为解码器,通过引入示教率来控制解码模式以提高解码性能,将融合后的特征输入到解码器中生成未来轨迹。在NGSIM数据集上进行的仿真实验结果表明,与最优基准模型相比,所提模型在直线道路、十字路口以及环岛道路场景下的均方根误差(RMSE)分别提高了8.16%、10.31%和8.37%,证明了所提模型的有效性。 展开更多
关键词 轨迹预测 注意力机制 多特征融合 混合示教门控循环单元 解码模式
在线阅读 下载PDF
基于ALA优化VMD和Transformer-BiGRU的锂离子电池RUL预测
2
作者 闫来清 梁朝洋 +4 位作者 韩磊 李沁春 蔡钰濠 魏嘉轩 许志超 《电源技术》 北大核心 2026年第2期277-289,共13页
准确预测电池剩余使用寿命(RUL)对保障电池管理系统的安全运行至关重要。然而,电池容量再生效应和测量误差会影响RUL预测精度,传统经验模态分解(EMD)虽能分解信号,却存在模态混叠问题;此外,现有方法中变分模态分解、预测模型核心参数大... 准确预测电池剩余使用寿命(RUL)对保障电池管理系统的安全运行至关重要。然而,电池容量再生效应和测量误差会影响RUL预测精度,传统经验模态分解(EMD)虽能分解信号,却存在模态混叠问题;此外,现有方法中变分模态分解、预测模型核心参数大多依赖手动设置,不仅耗时费力且预测效果受主观因素影响较大。针对上述难题,提出了一种基于ALA优化VMD和Transformer-BiGRU的预测方法。利用人工旅鼠算法(ALA)对变分模态分解(VMD)的模态分解层数与惩罚因子进行优化,通过VMD将电池容量数据分解为不同频率的模态分量,减小容量再生效应和测量误差的影响。构建了结合注意力机制(Transformer)和双向门控循环单元(BiGRU)的预测模型,并通过海星优化算法(SFOA)优化模型结构和关键参数,将各分量的预测结果加和得到最终预测值。基于MATLAB平台在两组公开数据集上验证了所提模型的有效性,并与其他预测方法进行对比。结果表明,所提方法的均方根误差(RMSE)均低于0.5%,预测精度较高。 展开更多
关键词 锂离子电池 人工旅鼠算法 海星优化算法 变分模态分解 双向门控循环单元 Transformer模型
在线阅读 下载PDF
基于样本熵和CNN-MGM混合模型的超短期风速预测
3
作者 张楠 朱永奇 +2 位作者 郑创 孙娜 薛小明 《太阳能学报》 北大核心 2026年第1期645-653,共9页
针对风速具有不稳定性和间歇性等特点,提出一种混合风速预测模型,该模型集成卷积神经网络(CNN)、最小门控存储网络(MGM)、鲸鱼优化算法(WOA)和时变滤波器经验模式分解(TVFEMD)。首先采用TVFEMD对原始风速序列进行分解,获得若干子序列;... 针对风速具有不稳定性和间歇性等特点,提出一种混合风速预测模型,该模型集成卷积神经网络(CNN)、最小门控存储网络(MGM)、鲸鱼优化算法(WOA)和时变滤波器经验模式分解(TVFEMD)。首先采用TVFEMD对原始风速序列进行分解,获得若干子序列;随后基于样本熵对分量复杂度进行评估,并对复杂度最高的分量实施TVFEMD二次分解。最后,将得到的各子序列输入混合预测模型进行建模与预测,从而获得对应的子序列预测结果,进而得出最终预测结果。实验结果表明,与其他模型对比,所提模型的平均绝对误差下降2.3%~8.6%,并在不同数据集中得到验证,这证明了混合模型在预测中的有效性。 展开更多
关键词 风速预测 最小门控存储网络 变分模态分解 混合预测模型 鲸鱼优化算法
原文传递
基于聚合模态分解和TCN-BiGRU的光伏功率预测模型
4
作者 李梦阳 陈柳 +1 位作者 史蒙 赵玉娇 《太阳能学报》 北大核心 2026年第2期91-99,共9页
针对光伏发电功率随机性强、波动性高导致预测精度低的问题,提出一种基于聚合模态分解(AMD)、时间卷积网络(TCN)和双向门控循环单元(BiGRU)的光伏功率组合预测模型。该模型使用完全自适应噪声集合经验模态分解(CEEMDAN)对原始光伏序列... 针对光伏发电功率随机性强、波动性高导致预测精度低的问题,提出一种基于聚合模态分解(AMD)、时间卷积网络(TCN)和双向门控循环单元(BiGRU)的光伏功率组合预测模型。该模型使用完全自适应噪声集合经验模态分解(CEEMDAN)对原始光伏序列进行处理,得到多个频率不同的子序列,通过样本熵(SE)对子序列进行区分,保留含信号的低频、中频分量。将CEEMDAN分解得到的高频分量用逐次变分模态分解(SVMD)进行二次分解,降低序列不平稳度。最后,构建不同分量的TCN-BiGRU网络模型,得到各分量的预测值进行加和后输出最终预测结果。通过算例分析进行实验表明,对比其他模型,所提出的组合预测模型在光伏发电功率预测中具有较高的预测精度和稳定性。 展开更多
关键词 光伏功率 预测模型 信号处理 聚合模态分解 时间卷积网络 双向门控循环单元
原文传递
基于SSA-VMD-GRU组合模型的桥梁监测缺失数据重构方法研究
5
作者 周宇 周明扬 +2 位作者 狄生奎 郭家骥 黄继源 《振动与冲击》 北大核心 2026年第3期115-123,共9页
针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥... 针对桥梁健康监测数据因环境干扰或传感器故障导致的异常或缺失,提出了一种基于麻雀搜索算法(sparrow search algorithm,SSA)共同优化变分模态分解(variational mode decomposition,VMD)和门控循环单元(gated recurrent units,GRU)的桥梁异常监测数据修复方法。研究利用SSA对VMD中分解层数K和惩罚因子α进行寻优以获取准确结构响应,选择SSA对GRU关键超参数进行优化,通过训练使模型达到最佳状态后,将分解后的信号作为输入进行预测修复,以重构桥梁缺失监测数据,通过对比单一GRU模型、VMD-GRU模型预测结果,以均方根误差、平均绝对误差、平均绝对百分比误差和R^(2)作为误差指标来评价所提方法的科学性与实用性。研究表明,所提方法可在非经验指导下获得最佳参数组合,挠度测试集均方根误差为6.070 2%,应变测试集均方根误差仅为0.150 0%,该方法适用于桥梁异常或缺失监测数据的重构,能够提高数据质量和数据使用的正确率,为桥梁健康监测与决策提供方法基础。 展开更多
关键词 桥梁健康监测 异常监测数据 麻雀搜索算法(SSA) 变分模态分解(VMD) 门控循环单元(GRU) 数据重构
在线阅读 下载PDF
EMD-GRU组合模型在煤矿瓦斯体积分数预测中的应用 被引量：2
6
作者 盛武 樊斌斌 《安全与环境学报》 北大核心 2025年第4期1339-1348,共10页
为更好厘清瓦斯体积分数数据中长期依赖关系,实现更加精确的瓦斯体积分数预测,提出一种基于经验模态分解算法—门控循环单元(Empirical Mode Decomposition-Gated Recurrent Unit,EMD-GRU)组合的瓦斯体积分数预测方法。该方法通过经验... 为更好厘清瓦斯体积分数数据中长期依赖关系,实现更加精确的瓦斯体积分数预测,提出一种基于经验模态分解算法—门控循环单元(Empirical Mode Decomposition-Gated Recurrent Unit,EMD-GRU)组合的瓦斯体积分数预测方法。该方法通过经验模态分解算法(Empirical Mode Decomposition,EMD)将复杂瓦斯体积分数数据分解为多个平稳序列,并对每个序列采用双层门控循环单元(Gated Recurrent Uni,GRU)进行时序预测;然后,将各分量预测结果叠加重构,得到最终的预测结果;最后,将EMD-GRU模型应用于某矿智能综采工作面瓦斯气体体积分数预测。结果表明:EMD-GRU模型较经验模态分解-长短期记忆(Empirical Mode Decomposition-Long Short-Term Memory,EMD-LSTM)神经网络模型、传统长短期记忆(Long Short-Term Memory,LSTM)神经网络模型和GRU模型,其均方误差(ERMS)分别减少11.57%、33.86%、48.78%,平均绝对百分比误差(EMAP)分别降低19.55%、28.23%和32.76%,同时,在测试集中有着更高的拟合效果(R2=0.9789),验证了该模型有较高的精准度和泛化性。 展开更多
关键词 安全工程 经验模态分解 门控循环单元 井下监测数据 瓦斯体积分数预测
原文传递
基于评价因子重构与DECN-BiGRU的海岛微电网负荷预测
7
作者 梁富光 马忠强 《综合智慧能源》 2026年第1期85-97,共13页
针对海岛微电网负荷的强非线性、非平稳性及多源耦合特性,提出一种基于评价因子重构的鲁棒经验模态分解(REMD)结合细节增强卷积网络(DECN)与双向门控循环单元(BiGRU)的负荷预测方法。通过REMD与评价因子重构,实现多尺度特征解耦;构建DEC... 针对海岛微电网负荷的强非线性、非平稳性及多源耦合特性,提出一种基于评价因子重构的鲁棒经验模态分解(REMD)结合细节增强卷积网络(DECN)与双向门控循环单元(BiGRU)的负荷预测方法。通过REMD与评价因子重构,实现多尺度特征解耦;构建DECN-BiGRU混合架构,融合局部差异与全局依赖特征;引入多任务学习优化分量耦合关系。试验表明,模型较传统方法的平均绝对百分比误差降低68.78%,较深度学习模型的平均绝对误差降低68.97%,验证了多模态特征融合与双向建模的有效性。研究结果为海岛微电网的电力调度与储能配置提供了参考。 展开更多
关键词 海岛微电网 负荷预测 鲁棒经验模态分解 细节增强卷积网络 双向门控循环单元 评价因子重构 多任务学习 储能
在线阅读 下载PDF
按二维问题研究平面闸门门槽受剪破坏的合理性
8
作者 冷飞 蒋勇 +2 位作者 喻君 漆天奇 陈思远 《人民长江》 北大核心 2025年第3期158-163,171,共7页
平面闸门门槽为三维空间结构,但已有研究与相关设计规范均将其受剪视为二维问题,合理性存在争议。为验证将门槽受剪视为二维问题的合理性,以实际工程事故闸门门槽为原型进行三维线弹性分析,讨论其在闸门推力作用下的变形、剪应力分布、... 平面闸门门槽为三维空间结构,但已有研究与相关设计规范均将其受剪视为二维问题,合理性存在争议。为验证将门槽受剪视为二维问题的合理性,以实际工程事故闸门门槽为原型进行三维线弹性分析,讨论其在闸门推力作用下的变形、剪应力分布、各截面剪力分布等受力特性,以及闸墩外侧面约束对门槽受剪的影响,确定门槽受剪最危险截面;对门槽进行二维和三维非线性分析,对比最危险截面破坏形态与平面试件破坏形态。研究结果表明:闸门推力作用下,门槽变形和剪应力随高程发生变化,闸墩外侧是否受到约束对门槽剪应力分布规律没有明显影响;门槽受剪最危险截面的位置与闸墩外侧面约束条件无关,将闸门推力简化为均匀分布时,最危险截面位于闸墩半高处;二维与三维非线性分析所得受剪最危险截面的破坏形态也基本相同,且与平面试件试验结果一致。因此按二维问题分析门槽受剪承载力合理可行,能够反映门槽受剪破坏的特征。 展开更多
关键词 平面闸门门槽 受剪承载力 破坏形态 三维空间结构 二维分析
在线阅读 下载PDF
基于Moldflow的五通管接头模流分析及模具设计
9
作者 黄可 邹华杰 +2 位作者 靳敏 许晨晨 强宇汉 《现代塑料加工应用》 北大核心 2025年第3期33-36,共4页
对某型号五通管接头进行结构分析,获得模具设计难点。将制品模型作缩小处理,在Moldflow 2024模流分析软件中,所有效应下全局变形最严重区域,出现在G1管端处,翘曲率为0.92%;全局变形量最低出现在浇口附近,翘曲率为0.02%。设计主瓣合镶件... 对某型号五通管接头进行结构分析,获得模具设计难点。将制品模型作缩小处理,在Moldflow 2024模流分析软件中,所有效应下全局变形最严重区域,出现在G1管端处,翘曲率为0.92%;全局变形量最低出现在浇口附近,翘曲率为0.02%。设计主瓣合镶件及从动瓣合镶件,保障了内缩动作平顺。通过瓣合成型件在预压弹簧驱动下将模具轴向运动转置为径向运动,实现瓣合成型件与制品的分离。设置隔水管,将制品内侧热量快速导出,以保证制品内外收缩均衡,实现快速注塑。 展开更多
关键词 五通管接头 单浇口 翘曲率 抽芯机构 模流分析
在线阅读 下载PDF
基于共模辐射干扰信号的IGBT模块焊料层空洞老化的检测方法
10
作者 董超 韦虎俊 杜明星 《天津理工大学学报》 2025年第5期50-56,共7页
提出一种基于共模电磁辐射(common mode electromagnetic radiation,CMEMR)频谱特征的绝缘栅双极性晶体管(insulated gate bipolar transistor,IGBT)模块焊料层老化状态的非侵入监测方法。当IGBT模块焊料层发生老化时会改变IGBT模块内... 提出一种基于共模电磁辐射(common mode electromagnetic radiation,CMEMR)频谱特征的绝缘栅双极性晶体管(insulated gate bipolar transistor,IGBT)模块焊料层老化状态的非侵入监测方法。当IGBT模块焊料层发生老化时会改变IGBT模块内部结构,引起电磁干扰通路的参数变化,进而影响电磁干扰强度。文中研究了CM电磁干扰产生的原因,分析焊料层空洞对IGBT模块内部寄生电容的影响,以及寄生电容对CM干扰的影响,最后搭建试验平台,对不同空洞率的IGBT模块进行健康监测,发现随着焊料层空洞损伤程度的加剧,CM辐射干扰信号强度降低。 展开更多
关键词 绝缘栅双极性晶体管 共模电磁辐射 寄生电容 焊料层空洞
在线阅读 下载PDF
下游边墩平面闸门门槽受剪承载力
11
作者 冷飞 蒋勇 +1 位作者 喻君 陈思远 《郑州大学学报(工学版)》 北大核心 2025年第6期144-152,共9页
由于缺乏系统研究,长期以来《水工混凝土结构设计规范》要求对承受较大闸门推力的平面闸门门槽进行受剪承载力复核却未能给出计算公式。作为规范修订专题研究,针对侧边和末端自由的边墩下游门槽开展了受剪承载力试验研究。以拉西瓦水电... 由于缺乏系统研究,长期以来《水工混凝土结构设计规范》要求对承受较大闸门推力的平面闸门门槽进行受剪承载力复核却未能给出计算公式。作为规范修订专题研究,针对侧边和末端自由的边墩下游门槽开展了受剪承载力试验研究。以拉西瓦水电站进水口事故闸门门槽为原型,进行了两批次共14个事故闸门门槽结构的受剪承载力静力试验,研究了门槽结构受剪破坏过程和破坏形态,讨论了门槽结构受剪承载力的影响因素,基于影响因素分析和试验结果回归,提出了下游门槽受剪承载力计算公式以及门槽尺寸和混凝土强度的下限要求,并应用于实际工程。研究表明:门槽结构的受剪破坏为脆性破坏,破坏模式为起始于门槽内缘的裂缝在剪力作用下倾斜伸入下游墩墙形成斜向裂缝,余留混凝土不足以承担闸门推力时,门槽结构发生破坏;混凝土抗拉强度、横向钢筋用量以及闸墩颈部宽度与门槽受剪承载力正相关,其中横向钢筋用量的影响有上限。所提出的计算公式可用于复核平面闸门门槽结构受剪承载力。 展开更多
关键词 平面闸门门槽 受剪承载力 破坏模式 承载力计算 水工结构
在线阅读 下载PDF
基于VMD-1DCNN-GRU的轴承故障诊断 被引量：3
12
作者 宋金波 刘锦玲 +2 位作者 闫荣喜 王鹏 路敬祎 《吉林大学学报(信息科学版)》 2025年第1期34-42,共9页
针对滚动轴承信号含噪声导致诊断模型训练困难的问题,提出了一种基于变分模态分解(VMD:Variational Mode Decomposition)和深度学习相结合的轴承故障诊断模型。首先,该方法通过VMD对轴承信号进行模态分解,并且通过豪斯多夫距离(HD:Hausd... 针对滚动轴承信号含噪声导致诊断模型训练困难的问题,提出了一种基于变分模态分解(VMD:Variational Mode Decomposition)和深度学习相结合的轴承故障诊断模型。首先,该方法通过VMD对轴承信号进行模态分解,并且通过豪斯多夫距离(HD:Hausdorff Distance)完成去噪,尽可能保留原始信号的特征。其次,将选择的有效信号输入一维卷积神经网络(1DCNN:1D Convolutional Neural Networks)和门控循环单元(GRU:Gate Recurrent Unit)相结合的网络结构(1DCNN-GRU)中完成数据的分类,实现轴承的故障诊断。通过与常见的轴承故障诊断方法比较,所提VMD-1DCNN-GRU模型具有最高的准确性。实验结果验证了该模型对轴承故障有效分类的可行性,具有一定的研究意义。 展开更多
关键词 故障诊断 深度学习 变分模态分解 一维卷积神经网络 门控循环单元
在线阅读 下载PDF
基于SSA优化的Transformer-BiGRU短期风电功率预测 被引量：1
13
作者 包广斌 杨龙龙 +1 位作者 范超林 李焕 《电子测量技术》 北大核心 2025年第13期139-147,共9页
为提高风电功率预测精度,提出了一种基于SSA优化的Transformer-BiGRU组合模型。首先,采用CEEMDAN将原始序列分解为多个模态分量和残差分量,降低数据复杂性和不稳定性。然后,结合Transformer的自注意力机制与BiGRU的双向时序建模能力,构... 为提高风电功率预测精度,提出了一种基于SSA优化的Transformer-BiGRU组合模型。首先,采用CEEMDAN将原始序列分解为多个模态分量和残差分量,降低数据复杂性和不稳定性。然后,结合Transformer的自注意力机制与BiGRU的双向时序建模能力,构建了一个高效的组合模型。针对Transformer-BiGRU模型超参数优化困难的问题,引入SSA麻雀搜索算法对超参数进行优化,进一步提升预测精度。最后,以龙源电力风电预测数据集为例,通过对比实验和消融实验验证了该模型优于其他传统模型和模型中各组件的有效性,实验结果表明该方法的R 2达到了0.9810。 展开更多
关键词 风电预测 麻雀搜索算法 自适应噪声完备经验模态分解 双向门控循坏单元 自注意力机制
原文传递
栅极驱动电路的传导共模电磁干扰特征分析 被引量：3
14
作者 岳乔治 彭晗 +1 位作者 童乔凌 康勇 《中国电机工程学报》 北大核心 2025年第7期2779-2790,I0028,共13页
栅极驱动电路作为低压控制电路与高压功率电路连接的桥梁,决定了电力电子器件的可靠开关,同时也承受着强烈的电磁干扰。目前针对栅极驱动电路的传导电磁干扰问题的研究重点关注以“串扰”为代表的差模干扰,对共模干扰缺乏深入的分析。... 栅极驱动电路作为低压控制电路与高压功率电路连接的桥梁,决定了电力电子器件的可靠开关,同时也承受着强烈的电磁干扰。目前针对栅极驱动电路的传导电磁干扰问题的研究重点关注以“串扰”为代表的差模干扰,对共模干扰缺乏深入的分析。共模干扰传播路径多,频率范围广,影响范围大,是驱动电路中驱动信号的主要干扰源。为此,文中对驱动电路的传导共模干扰特征进行分析,重点关注功率器件开关电压过冲与高频振荡特性,采用梯形波与衰减正弦波建立干扰源模型;根据主电路架构与驱动架构,逐层深入建立共模干扰的多支路耦合网络模型并分析其宽频阻抗特性;选取共模干扰电流以及驱动信号干扰电压为表征对象,求解其传递函数并结合干扰源特征分析驱动电路故障机理。实验结果表明,干扰源电压的高频振荡将产生严重的共模干扰。当其振荡频率与耦合路径阻抗谐振频率相同时,共模干扰将被放大,在驱动电路电磁兼容设计时需要格外注意。最后根据所建立的电磁干扰模型对栅极驱动电路的抗干扰设计提供一定指导。 展开更多
关键词 栅极驱动电路 传导电磁干扰 共模干扰
原文传递
基于BWO优化VMD和TCN-BiGRU的短期风电功率预测 被引量：1
15
作者 逯静 张燕茹 王瑞 《工程科学与技术》 北大核心 2025年第3期31-41,共11页
针对风力发电过程中出现的不平稳、波动性大等特点,为了更好地提高风力发电的预测精度,提出一种基于白鲸优化算法(BWO)的变分模态分解(VMD)和时序卷积网络(TCN)-双向门控循环单元(BiGRU)联合构建的短期风力发电功率预测模型。首先,由于... 针对风力发电过程中出现的不平稳、波动性大等特点,为了更好地提高风力发电的预测精度,提出一种基于白鲸优化算法(BWO)的变分模态分解(VMD)和时序卷积网络(TCN)-双向门控循环单元(BiGRU)联合构建的短期风力发电功率预测模型。首先,由于风电功率受多方面气象因素的共同影响,采用随机森林(RF)方法来确定气象因素特征的重要性,对特征进行排序并提取出最优的特征。其次,利用VMD将原始功率数据由不平稳序列分解成较平稳的子序列,为解决VMD的两个参数即模态数和惩罚因子难以人工确定的问题,使用BWO对VMD的参数进行寻优,利用优化后的VMD对非平稳电力信号进行有效分解。然后,将分解后的各平稳子序列加上提取出的最优特征进行TCN-BiGRU组合模型预测。最后,将各子序列的预测值进行叠加得到最终的结果。以中国的某风电场的实际数据为例,通过多种单一模型与组合模型对所提出的预测模型进行了仿真对比。仿真结果表明,所提出的基于BWO优化VMD和TCN-BiGRU联合预测方法具有较高的预测精度,其均方根误差、平均绝对误差及平均百分比误差的指标精度均比其他模型有所提高。本文方法在风电功率预测中具有显著优势。 展开更多
关键词 短期风功率预测 变分模态分解 随机森林 时序卷积网络 双向门控循环单元 白鲸优化算法
在线阅读 下载PDF
双线船闸开通闸水流条件模型试验
16
作者 李仪文 周世良 王勤振 《水运工程》 2025年第12期153-160,共8页
针对平原河网水运繁忙地区,船闸通过能力有限过闸船舶常态化拥堵问题,以裕溪双线船闸工程为依托,开展船闸开通闸运行条件模型试验研究,采用二维水动力数值模型,研究水位差、船闸运行方式和节制闸运行方式等关键影响因素对于船闸开通闸... 针对平原河网水运繁忙地区,船闸通过能力有限过闸船舶常态化拥堵问题,以裕溪双线船闸工程为依托,开展船闸开通闸运行条件模型试验研究,采用二维水动力数值模型,研究水位差、船闸运行方式和节制闸运行方式等关键影响因素对于船闸开通闸水流条件的影响规律。试验结果表明:船闸开通闸通航水流条件的控制节点位于上闸首;裕溪枢纽双线船闸开通闸的合理运行水位差不应大于20 cm;开通闸运行条件的营造时间与船闸运行方式有关,船闸尺度越大、线数越多,营造时间越短,一般需要约30 min;在水位差一定的前提下,采用多线船闸及节制闸等同时开启的组合运行方式可以有效改善船闸开通闸通航水流条件,降低船闸内水流流速50%以上。研究成果可供类似船闸工程拟采用开通闸方式提高通过能力时参考借鉴。 展开更多
关键词 船闸开通闸 通航水流条件 上闸首 运行方式 模型试验
在线阅读 下载PDF
基于VMD-GRU的润叶过程片烟水分集成预测方法
17
作者 张雷 任国峰 +8 位作者 洪斌斌 邹泉 郑红艳 赵云川 徐大勇 堵劲松 李银华 苏子淇 熊开胜 《中国烟草学报》 北大核心 2025年第2期58-65,共8页
润叶过程中出口烟叶的水分是重要质量指标,然而润叶过程具有多变量、非线性、非平稳等特点,给水分预测带来了巨大挑战,本研究提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)和门控循环单元(Gated Recurrent Units, G... 润叶过程中出口烟叶的水分是重要质量指标,然而润叶过程具有多变量、非线性、非平稳等特点,给水分预测带来了巨大挑战,本研究提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)和门控循环单元(Gated Recurrent Units, GRU)的集成预测方法。首先,利用VMD对烟叶水分含量进行分解,得到若干本征模态函数(Intrinsic Mode Function, IMF)。然后,针对不同尺度的模态分量,建立相应的GRU网络以提取多尺度特征。同时,设计并行GRU网络提取过程变量与烟叶水分之间的复杂时序依赖关系。最后,将所有GRU网络的输出隐藏状态进行拼接,并通过全连接层进行进一步特征提取和水分预测。研究结果表明,在某复烤厂实际生产数据集上,VMD-GRU的预测结果较传统预测方法提高了平均40%的预测准确率,特别是在多步预测上精度优势明显,证明了算法的有效性和优越性。 展开更多
关键词 烟叶水分预测 变分模态分解 门控循环单元网络 润叶过程 软测量
在线阅读 下载PDF
灌浆功率时序预测的可解释门控循环网络模型
18
作者 王晓玲 轩昕祺 +3 位作者 余红玲 李志 张天鸿 倪磊 《水利学报》 北大核心 2025年第6期791-804,共14页
灌浆功率是灌浆施工过程控制的重要指标,精准预测灌浆功率有助于优化灌浆施工策略。现有灌浆功率预测大多采用常规的机器学习模型,其浅层结构难以挖掘复杂地质条件、施工布置等多因素耦合影响下的非线性时序特征,导致模型预测精度较低,... 灌浆功率是灌浆施工过程控制的重要指标,精准预测灌浆功率有助于优化灌浆施工策略。现有灌浆功率预测大多采用常规的机器学习模型,其浅层结构难以挖掘复杂地质条件、施工布置等多因素耦合影响下的非线性时序特征,导致模型预测精度较低,并且现有模型内部决策机制不透明,模型可解释性较差。针对上述问题,本文提出一种灌浆功率时序预测的可解释门控循环网络(EGRN)模型。首先,采用自适应噪声完备集合经验模态分解方法将灌浆功率时序数据分解为不同频率的本征模态分量,在门控循环单元(GRU)前置多头自注意力机制(MHA),以有效提取灌浆功率时序数据的多维频率特征,并引入时序注意力机制(TPA)捕捉灌浆功率数据的长期时序依赖关系,提高模型的预测精度。之后结合MHA的权重分配与TPA的滤波器频谱分析结果,挖掘灌浆功率预测模型中关键的频率特征与时序依赖特征,增强模型的可解释性。案例分析结果表明,相较于其它对比模型,本文所提模型具有更高的预测精度,其MAE、RMSE和MAPE平均值降低了24.78%、27.29%和24.99%,R2系数平均提高7.74%,相较传统机器学习算法,本文所提模型可解释性更强,具有更高的透明度与可信度。 展开更多
关键词 灌浆功率 门控循环单元 注意力机制 可解释性 自适应噪声完备集合经验模态分解
在线阅读 下载PDF
数据驱动的光伏功率超短期自适应优化预测 被引量：1
19
作者 刘春 杨兴武 《哈尔滨理工大学学报》 北大核心 2025年第5期70-77,共8页
针对光伏的随机性特征给高精度超短期功率预测带来的各种问题,提出了IVMD-RIME-GRU自适应优化预测模型:在数据处理环节,对原始光伏功率信号进行改进的变分模态分解(improved variational mode decomposition,IVMD),后续则分别对分解得... 针对光伏的随机性特征给高精度超短期功率预测带来的各种问题,提出了IVMD-RIME-GRU自适应优化预测模型:在数据处理环节,对原始光伏功率信号进行改进的变分模态分解(improved variational mode decomposition,IVMD),后续则分别对分解得到的模态信号进行预测,降低光伏非平稳性造成的影响。IVMD通过残差是否已接近白噪声来确定VMD分解的最优模态数,尽量减少分解造成的信息损失。在训练预测环节,采用能够处理长时间序列的门控循环单元(gated recurrent unit,GRU)进行预测,并利用雾凇优化算法强大的寻优能力,对GRU的关键参数进行自适应优化,提升算法整体性能。最后将各模态的预测结果合并,得到实际预测输出。仿真结果表明,所提出的模型能够将原始GRU的预测性能提升70%以上,且对光伏功率的峰谷快速切换实现良好跟踪。 展开更多
关键词 光伏发电 时序预测 变分模态分解 门控循环单元 雾凇优化
在线阅读 下载PDF
基于VMD-BiGRU的供热管道泄漏检测与定位
20
作者 齐卫雪 姬克丹 +6 位作者 王晶晶 陈鹏 石光辉 李建刚 刘帅 付景 徐健 《中国测试》 北大核心 2025年第12期148-157,共10页
随着集中供热范围的不断扩大和老旧管道的长久运行,供热管道频繁出现泄漏事故,完全依靠人力检修费时费力效率低。该文提出变分模态分解(variational mode decomposition,VMD)与双向门控循环网络(bidirectional gated recurrent unit,BiG... 随着集中供热范围的不断扩大和老旧管道的长久运行,供热管道频繁出现泄漏事故,完全依靠人力检修费时费力效率低。该文提出变分模态分解(variational mode decomposition,VMD)与双向门控循环网络(bidirectional gated recurrent unit,BiGRU)模型在供热管道泄漏伊始发出预警,并对泄漏点进行定位。首先,运用VMD法分解原始负压波信号,消除高频噪声,并通过蜣螂优化算法对VMD的分解模态数和惩罚因子进行寻优。然后,建立以BiGRU为核心的负压波信号预测神经网络,依据多站点的历史故障记录时间差推测管道泄漏点,根据预测值与实际值的偏差检测泄漏情况。利用实际供热管网数据进行实验,结果表明:提出算法在管道泄漏伊始及时发出报警信号,泄漏点定位误差在200 m范围内,相比其他网络有较好的检测性能,能够有效减少人员检修时间与操作步骤。 展开更多
关键词 管道泄漏 泄漏定位 负压波 变分模态分解 门控循环单元
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 … 19 下一页 到第 页
使用帮助 返回顶部