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5篇文章
< 1 >
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MIC-Informer-DLinear的电梯故障预测方法 被引量：1
1
作者 单景东 王晨 +1 位作者 张欢 仇润鹤 《科技与创新》 2025年第4期56-59,共4页
针对现有电梯故障预测方法存在特征冗余、预测精度难以提高等问题,提出一种基于MIC-Informer-DLinear的电梯故障预测方法。该方法首先利用最大互信息系数分析不同电梯运行数据特征与电梯故障之间的相关关系,确定相关性显著的电梯故障影... 针对现有电梯故障预测方法存在特征冗余、预测精度难以提高等问题,提出一种基于MIC-Informer-DLinear的电梯故障预测方法。该方法首先利用最大互信息系数分析不同电梯运行数据特征与电梯故障之间的相关关系,确定相关性显著的电梯故障影响因素,之后采用Informer模型对相关性提取后的电梯运行数据进行特征提取;其次采用DLinear模型对特征提取后的数据进行特征重构;最后采用softmax分类器对特征重构后的数据进行故障分类预测。为证明模型的有效性,将该模型的预测准确率与DLinear、Informer、CBAM、STAEformer、Transformer和LSTM模型的预测准确率进行对比。实验表明,该模型的预测准确率较上述模型分别提高2.6%、3.6%、4.2%、4.5%、5.5%和8.9%。 展开更多
关键词 故障预测 INFORMER dlinear 时序预测
在线阅读 下载PDF
基于Yformer-DLinear的光伏功率组合预测方法
2
作者 蔡源 吴浩 唐丹 《四川轻化工大学学报(自然科学版)》 2025年第3期65-74,共10页
光伏功率预测在解决光伏并网引发的问题上起着至关重要的作用。为了提升光伏功率预测的准确度和鲁棒性,结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、模糊熵(FE)、最大相关和最小冗余(mRMR)算法、Yformer和DLinear,构建了组合... 光伏功率预测在解决光伏并网引发的问题上起着至关重要的作用。为了提升光伏功率预测的准确度和鲁棒性,结合改进的自适应噪声完备集合经验模态分解(ICEEMDAN)、模糊熵(FE)、最大相关和最小冗余(mRMR)算法、Yformer和DLinear,构建了组合方法进行光伏功率预测。首先,使用ICEEMDAN分解历史光伏功率序列,并基于FE重构为复杂分量和简单分量,提高数据的稳定性并降低模型计算负担。然后,使用mRMR为各分量进行气象特征筛选,优化输入特征,进一步提升预测精度。最后,分别为复杂分量、简单分量建立Yformer、DLinear预测模型,叠加各模型预测结果,得到最终预测结果。采用实际光伏电站数据进行分析可知,测试集的平均绝对误差(MAE)为0.653,均方根误差(RMSE)为1.032,决定系数(R2)达到0.958,验证了所提方法的优越性。 展开更多
关键词 光伏功率预测 自适应噪声完备集成经验模态分解 最大相关和最小冗余算法 Yformer dlinear
在线阅读 下载PDF
基于TCN和DLinear的光伏发电功率多步预测模型 被引量：1
3
作者 王舒雨 李豪 +3 位作者 马刚 袁宇波 卜强生 叶志刚 《电力建设》 北大核心 2025年第4期173-184,共12页
【目的】光伏发电功率预测是提高太阳能利用效率和降低运营成本的关键技术。然而,传统模型在多步光伏发电功率预测中存在时间趋势学习能力不足和误差累积的问题,限制了预测精度的提升。【方法】文章提出了一种基于时间卷积神经网络(temp... 【目的】光伏发电功率预测是提高太阳能利用效率和降低运营成本的关键技术。然而,传统模型在多步光伏发电功率预测中存在时间趋势学习能力不足和误差累积的问题,限制了预测精度的提升。【方法】文章提出了一种基于时间卷积神经网络(temporal convolutional networks,TCN)和DLinear的光伏发电功率多步预测模型。首先,通过改进的自适应白噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)对多元气象序列进行分解,揭示其潜在特征,得到更易学习多尺度特征的多维子序列。其次,利用TCN对局部时序信息进行建模,挖掘短期内的时序特征。最后,利用DLinear将序列分解为趋势分量和残差分量,通过线性网络学习多尺度特征,并直接输出多步(每步15 min)光伏发电功率预测结果。【结果】实验结果表明,所提方法的每个模块均能显著提升模型的预测性能。与集合经验模态分解-卷积神经网络(convolutional neural networks,CNN)-双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)(ICEEMDAN-CNN-BiLSTM)、Informer、Autoformer三个基准模型相比,归一化均方根误差(normalized root mean square error,NRMSE)平均分别下降了22.455%、6.139%、8.504%,具有明显优势。【结论】文章通过ICEEMDAN和TCN-DLinear组合模型,有效解决了传统方法在多步预测中的不足,显著提高了光伏发电功率预测的准确性和可靠性。研究结果为光伏发电功率的精准预测提供了新的技术路径,为太阳能发电的高效管理和运营提供了理论支持,为新型电力系统的安全稳定运行提供了数据支持。未来可进一步探索该模型在不同气象条件和地理环境下的泛化能力,以推动太阳能发电技术的发展。 展开更多
关键词 改进的自适应白噪声完全集合经验模态分解 时间卷积神经网络 dlinear 光伏预测
原文传递
基于多任务学习与注意力机制的多层次音频特征情感识别研究 被引量：4
4
作者 李磊 朱永同 +2 位作者 杨琦 赵金葳 马柯 《智能计算机与应用》 2024年第1期85-94,101,共11页
传统音频分类任务仅仅是从单层次音频提取特征向量进行分类,即便使用过大的模型,其过多的参数也会造成特征之间的耦合,不符合特征提取“高聚类,低耦合”的原则。由于注意到一些与情绪相关的协变量并没有得到充分利用,本文在模型中加入... 传统音频分类任务仅仅是从单层次音频提取特征向量进行分类,即便使用过大的模型,其过多的参数也会造成特征之间的耦合,不符合特征提取“高聚类,低耦合”的原则。由于注意到一些与情绪相关的协变量并没有得到充分利用,本文在模型中加入性别先验知识;将多层次音频特征分类问题转化为多任务问题进行处理,从而对多层次特征进行解耦再进行分类;针对特征分布的再优化方面设计了一个中心损失模块。通过在IEMOCAP数据集上的实验结果表明,本文提出模型的加权精度(WA)和未加权精度(UA)分别达到了71.94%和73.37%,与原本的多层次模型相比,WA和UA分别提升了1.38%和2.35%。此外,还根据Nlinear和Dlinear算法设计了两个单层次音频特征提取器,在单层次音频特征分类实验中取得了较好的结果。 展开更多
关键词 语音情感分类 MFCC 中心损失 多任务学习 先验信息 dlinear
在线阅读 下载PDF
一种基于深度学习辅助的SINS/DVL组合导航方法 被引量：2
5
作者 匡兴红 黄傲威 《系统仿真学报》 CAS CSCD 北大核心 2024年第8期1810-1822,共13页
水下机器人(autonomous underwater vehicle,AUV)导航定位精度一定上程度影响了AUV的工作效率,由于GNSS无法在水下使用,以捷联惯导系统/多普勒计程仪(SINS/DVL)的组合导航系统受到众多青睐。DVL在部分情况下会失效,若直接将DVL隔离,系... 水下机器人(autonomous underwater vehicle,AUV)导航定位精度一定上程度影响了AUV的工作效率,由于GNSS无法在水下使用,以捷联惯导系统/多普勒计程仪(SINS/DVL)的组合导航系统受到众多青睐。DVL在部分情况下会失效,若直接将DVL隔离,系统将变为纯惯性导航系统,严重影响导航定位的精度。为了应对DVL在部分波束缺失的情况,提出了一种DLinear-informer辅助组合导航算法。通过DLinear对原始输入数据特有的分解方式,增强了算法对AUV非线性信息的提取与学习,提高了速度预测精度。实验结果表明:所提算法能够准确预测DVL失效期间丢失波束的速度,降低组合导航的位置误差,提高了系统的鲁棒性和定位精度。 展开更多
关键词 水下机器人 捷联惯导系统/多普勒计程仪 组合导航 波束缺失 dlinear-informer
原文传递
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 下一页 到第 页
使用帮助 返回顶部