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72篇文章
< 1 2 … 4 >
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CNN-GRU-Attention网络模型的油井产量预测
1
作者 杨王黎 宣翔腾 赵建民 《计算机与数字工程》 2026年第1期287-293,共7页
油藏勘探和开发中,预测油井的产量是一个非常重要的任务。为了更准确地预测油井的产量,提出了一种基于卷积神经网络-门控循环单元神经-注意力机制(CNN-GRU-Attention)神经网络模型的预测油井产量新方法。将CNN网络提取特征的能力的优势... 油藏勘探和开发中,预测油井的产量是一个非常重要的任务。为了更准确地预测油井的产量,提出了一种基于卷积神经网络-门控循环单元神经-注意力机制(CNN-GRU-Attention)神经网络模型的预测油井产量新方法。将CNN网络提取特征的能力的优势与GRU网络处理长时间序列的优势结合,避免因输入特征序列过长导致精度降低的情况,并融合注意力机制可突显重要特征对于油井产量的影响,增强油井产量预测模型的准确性。通过在真实的油井生产数据集上进行实验,相比CNN、LSTM、GRU、CNN-GRU,CNN-LSTM模型特征提取效果更好,预测结果具有更高的准确性和稳定性,可以帮助油田工程师更好地预测油井产量和制定更合理的生产计划。 展开更多
关键词 产量预测 模型融合 神经网络 CNN-gru-Attention模型
在线阅读 下载PDF
基于GRU-MPC的双全回转推进拖轮轨迹跟踪控制
2
作者 李诗杰 刘泰序 +2 位作者 刘佳仑 董智霖 徐诚祺 《上海交通大学学报》 北大核心 2026年第3期418-426,共9页
针对双全回转尾推进拖轮轨迹跟踪控制问题,提出通过门控循环单元(GRU)神经网络构建拖轮三自由度运动数据驱动模型,并基于GRU模型构建模型预测控制(MPC)轨迹跟踪控制器,克服传统控制方法对精确系统机理模型限制.在不改变拖轮推进器转速... 针对双全回转尾推进拖轮轨迹跟踪控制问题,提出通过门控循环单元(GRU)神经网络构建拖轮三自由度运动数据驱动模型,并基于GRU模型构建模型预测控制(MPC)轨迹跟踪控制器,克服传统控制方法对精确系统机理模型限制.在不改变拖轮推进器转速前提下,通过调节左右舵角对拖轮速度与航向进行调控,并通过仿真实验验证所提出方案的有效性.在噪声干扰下,模型精度良好.通过对比不同预测步长下的控制性能,探讨预测步长对控制效果及求解时间的影响.当预测步长增加时,控制精度得到提升,但由于优化求解复杂度提升,求解时间增加.本研究为拖轮的精确轨迹跟踪控制提供新思路,也为类似非线性系统控制研究提供有价值的参考. 展开更多
关键词 全回转尾推进型拖轮控制 模型预测控制 门控循环单元神经网络 轨迹跟踪控制 数据驱动模型
在线阅读 下载PDF
基于GRU-Transformer与随机矩阵的机动群目标跟踪
3
作者 陈烨 梁苑 +1 位作者 李银伢 戚国庆 《兵工学报》 北大核心 2026年第1期282-295,共14页
针对机动群目标跟踪问题,提出基于多任务多头门控循环单元变换器(Gated Recurrent Unit Transformer,GRU-Transformer)的机动模型辨识与当前统计(Current Statistical,CS)模型机动频率参数α回归,并将判别结果融入随机矩阵椭球-贝叶斯更... 针对机动群目标跟踪问题,提出基于多任务多头门控循环单元变换器(Gated Recurrent Unit Transformer,GRU-Transformer)的机动模型辨识与当前统计(Current Statistical,CS)模型机动频率参数α回归,并将判别结果融入随机矩阵椭球-贝叶斯更新,实现群目标质心与扩展外形的联合跟踪。基于机动群目标时间序列量测数据,提取群目标运动多项特征参数,输入所提深度神经网络,实现机动群目标运动模型(匀速(Constant Velocity,CV)模型、匀加速(Constant Acceleration,CA)模型、CS模型)的精准辨别,若目标模型为CS运动模型,同时输出机动频率参数α的精确估计结果。运用随机矩阵群目标跟踪理论,提出一种基于贝叶斯状态估计架构的椭圆机动群目标跟踪方法。仿真实验结果分析表明:新方法可实现对机动椭圆群目标的精确稳健跟踪,相较于传统交互式多模型群目标跟踪方法,跟踪精度有显著提升。 展开更多
关键词 机动群目标跟踪 注意力gru-Transformer深度神经网络 群目标跟踪 运动模型辨识 机动频率参数估计
在线阅读 下载PDF
基于KOA-GRU网络的火电机组一次调频能力预测
4
作者 喻书非 康英伟 《鞍钢技术》 2026年第2期60-67,共8页
为提升火电机组一次调频能力的预测精度,辅助保障电网频率稳定及电力系统安全运行,提出一种结合开普勒优化算法(Kepler Optimization Algorithm,KOA)与门控循环单元(Gated Recurrent Unit,GRU)网络的一次调频能力预测方法。以某350 MW... 为提升火电机组一次调频能力的预测精度,辅助保障电网频率稳定及电力系统安全运行,提出一种结合开普勒优化算法(Kepler Optimization Algorithm,KOA)与门控循环单元(Gated Recurrent Unit,GRU)网络的一次调频能力预测方法。以某350 MW燃煤火电机组一次调频的实际运行数据为样本,通过相关性分析挖掘关键特征变量;采用开普勒优化算法对GRU网络模型的超参数进行优化,构建KOA-GRU预测模型,并将该模型与长短期记忆(LSTM)网络模型、粒子群优化的长短期记忆(PSO-GRU)网络模型、GRU网络模型及粒子群优化的GRU网络模型进行对比。结果表明,KOA-GRU网络模型的适应度值在经过7次迭代后稳定在0.127,收敛性优于其他四种模型;同时,该模型在不同评估指标下均表现出更优的预测效果,均方根误差(RMSE)为0.148 MW,平均绝对误差(MAE)为0.092 MW,具有较高的预测精度。 展开更多
关键词 火电机组 一次调频能力 动态建模 开普勒优化算法 门控循环单元网络
在线阅读 下载PDF
小波分解和BDLTM-GRU混合模型相融合的桥梁耦合极值应力高精度预测
5
作者 杨渡 樊学平 刘月飞 《振动工程学报》 北大核心 2025年第5期1026-1035,共10页
为实现桥梁耦合极值应力的高精度预测,采用小波多分辨率分析法对监测极值应力进行分解,取分解后的低频数据为趋势项信息,高频数据为车辆荷载效应信息,趋势项减去其均值为温度荷载效应信息,通过以上步骤实现桥梁极值应力的解耦。建立双变... 为实现桥梁耦合极值应力的高精度预测,采用小波多分辨率分析法对监测极值应力进行分解,取分解后的低频数据为趋势项信息,高频数据为车辆荷载效应信息,趋势项减去其均值为温度荷载效应信息,通过以上步骤实现桥梁极值应力的解耦。建立双变量(引入随时间变化的趋势项)贝叶斯动态线性趋势性模型(BDLTM)对低频极值应力进行预测分析;采用GRU神经网络模型对高频极值应力进行预测分析;实现耦合极值应力的叠加预测。利用天津富民桥的监测耦合数据验证BDLTM-GRU模型的可行性,同时与耦合极值应力的单BDLTM和单GRU模型进行精度比较,验证BDLTM-GRU模型预测的高精度。 展开更多
关键词 耦合极值应力 小波多分辨率分析法 BDLTM-gru模型 BDLTM gru神经网络
在线阅读 下载PDF
基于GRU-KAN模型的地铁站周边共享单车需求预测
6
作者 马飞虎 肖婷 +2 位作者 王雪杰 孙翠羽 李明 《交通运输研究》 2025年第2期93-104,共12页
为准确预测不同地铁站点的共享单车需求量,克服传统模型长时序依赖问题和特征权重分配上的不足,提出基于柯尔莫哥洛夫-阿诺德网络(KAN)改进门控循环单元(GRU)的GRU-KAN预测模型,利用GRU模块提取时间序列特征,KAN模块实现自适应特征加权... 为准确预测不同地铁站点的共享单车需求量,克服传统模型长时序依赖问题和特征权重分配上的不足,提出基于柯尔莫哥洛夫-阿诺德网络(KAN)改进门控循环单元(GRU)的GRU-KAN预测模型,利用GRU模块提取时间序列特征,KAN模块实现自适应特征加权与非线性关系学习。以深圳市地铁站点为研究对象,首先,对共享单车需求量影响因素的时空特征、气象特征进行可视化,并运用斯皮尔曼相关性分析法分析影响因素的相关性。随后,将共享单车订单数据、气象特征及出行特征输入GRU-KAN模型中,构建需求预测模型。为验证模型的有效性,选取4个代表性站点进行实验,同时与LSTM、BiLSTM、GRU、KAN、LSTM-KAN等模型进行对比分析。实验结果显示,GRU-KAN模型预测精度优于单一的时间序列预测模型及其他组合模型,MAE和RMSE分别平均下降了19.71%、15.20%,R2平均提高了12.38%。进一步,选取不同时段深圳市所有地铁站点的共享单车需求量进行验证。结果显示,GRU-KAN模型在大多数地铁站点预测误差较小,验证了该模型的预测性能,可为共享单车需求预测提供一种新方法。 展开更多
关键词 智能交通 需求量预测 gru-KAN模型 神经网络 时空特征
在线阅读 下载PDF
基于GRU神经网络的雷达探测误差仿真模型
7
作者 李前进 邸彦强 +3 位作者 徐铂韬 孟宪国 刘洁 李婷 《无线电工程》 2025年第12期2515-2522,共8页
针对防空系统射击精度靶场试验成本高、周期长,且受限于靶机性能,无法支撑复杂飞行轨迹和战术动作下的射击精度试验的问题,提出了一种虚实混合实验方法。以历史试验数据为基础,利用门控循环单元(Gate Recurrent Unit,GRU)神经网络对历... 针对防空系统射击精度靶场试验成本高、周期长,且受限于靶机性能,无法支撑复杂飞行轨迹和战术动作下的射击精度试验的问题,提出了一种虚实混合实验方法。以历史试验数据为基础,利用门控循环单元(Gate Recurrent Unit,GRU)神经网络对历史数据进行计算分析,建立了目标运动状态到雷达探测误差的仿真模型,利用仿真模型计算雷达探测数据,驱动防空系统对虚拟目标进行射击。经飞行试验数据对比,验证了方法的有效性。 展开更多
关键词 射击精度试验 雷达探测误差 仿真模型 门控循环单元神经网络
在线阅读 下载PDF
基于GRU网络的多模型椭圆机动群目标跟踪方法
8
作者 陈烨 梁苑 +2 位作者 陈黎 李银伢 戚国庆 《兵器装备工程学报》 北大核心 2025年第6期253-259,共7页
针对机动群目标跟踪问题,提出一种基于GRU网络的多模型椭圆机动群目标跟踪方法。基于时间序列量测数据,提取群目标运动线速度、线加速度、角速度、角加速度特征参数,输入所提GRU网络,实现群目标运动子模型概率的精确估计。基于此,根据... 针对机动群目标跟踪问题,提出一种基于GRU网络的多模型椭圆机动群目标跟踪方法。基于时间序列量测数据,提取群目标运动线速度、线加速度、角速度、角加速度特征参数,输入所提GRU网络,实现群目标运动子模型概率的精确估计。基于此,根据随机矩阵群目标跟踪理论,提出一种基于贝叶斯状态估计架构的多模型椭圆机动群目标跟踪方法。仿真实验结果分析表明:所提方法可实现对机动椭圆群目标的精确稳健跟踪,相较于传统交互式多模型群目标跟踪方法,子模型概率估计精度提高35%,位置跟踪精度提高36.84%,速度跟踪精度提高58.09%。 展开更多
关键词 gru深度神经网络 椭圆群目标跟踪 多模型跟踪 机动目标跟踪 模型概率估计
在线阅读 下载PDF
基于GRU神经网络的矿井工作面瓦斯突出预警模型研究 被引量：1
9
作者 龚选平 杨鹏 《中国煤炭地质》 2025年第2期67-73,40,共8页
瓦斯突出是矿井工作中的一大安全隐患,严重威胁着井下员工的人身安全和生产工作的顺利开展。建立一个可以及时防范瓦斯突出的模型对降低事故风险、保护矿工人身安全有着举足轻重的意义。造成瓦斯突出的原因有许多,这些原因造成瓦斯突出... 瓦斯突出是矿井工作中的一大安全隐患,严重威胁着井下员工的人身安全和生产工作的顺利开展。建立一个可以及时防范瓦斯突出的模型对降低事故风险、保护矿工人身安全有着举足轻重的意义。造成瓦斯突出的原因有许多,这些原因造成瓦斯突出危险性的增加。在实际掘进活动中,把传感器采集到的多种信息加以综合,利用GRU神经网络强大的时间序列数据处理能力和记忆能力,构建出完整的瓦斯突出预警模型。实验结果表明,基于GRU神经网络的瓦斯突出预警模型在预测精度和分级预警效果上均表现出色,能够在关键时刻发出有效的预警信号,为煤矿安全生产提供了有力保障。 展开更多
关键词 gru神经网络 瓦斯突出 预警模型 影响因素
在线阅读 下载PDF
基于LSTM-GRU-Attention模型的管道直饮水月供水量预测
10
作者 刘颖 刘治学 +5 位作者 郭广丰 刘保卫 杜帅帅 王鹏渊 张新田 赵继然 《水资源与水工程学报》 北大核心 2025年第3期116-124,共9页
管道直饮水月供水量的预测受到多种因素的影响,如气温变化、节假日效应以及用户数量变动等,这些因素共同作用导致供水量序列呈现出复杂性、非线性和非平稳性的特点。为了提高预测模型的准确度并优化其网络结构,提出了一种结合长短期记忆... 管道直饮水月供水量的预测受到多种因素的影响,如气温变化、节假日效应以及用户数量变动等,这些因素共同作用导致供水量序列呈现出复杂性、非线性和非平稳性的特点。为了提高预测模型的准确度并优化其网络结构,提出了一种结合长短期记忆(LSTM)、门控循环单元(GRU)与注意力机制(Attention)的LSTM-GRU-Attention预测模型。该模型通过贝叶斯优化算法确定最优超参数,并将外部因素如气温等与历史月供水量数据一起作为输入时间序列,借助Attention机制,模型能够对输入序列中的不同时间步进行加权处理,从而更准确地捕捉供水量的波峰和波谷值。结果表明:与单独使用LSTM、GRU及LSTM-GRU模型相比,LSTM-GRU-Attention模型在预测精度上有显著提升,平均绝对百分比误差(MAPE)达到了6.89%,较其他3种模型分别降低了7.74%、6.29%和5.23%,同时收敛速度更快。LSTM-GRU-Attention模型在高效预测管道直饮水月供水量方面展现了显著的效果,有助于直饮水企业合理安排生产计划、降低运营成本及提升管理水平,显示出较高的应用价值。 展开更多
关键词 管道直饮水 月供水量预测 长短期记忆网络 门控循环单元 LSTM-gru-Attention模型
在线阅读 下载PDF
基于深度学习的LSTM-GRU复合模型矿井涌水量预测方法研究 被引量：13
11
作者 连会青 李启兴 +5 位作者 王瑞 夏向学 张庆 黄亚坤 任正瑞 康佳 《煤矿安全》 CAS 北大核心 2024年第9期166-172,共7页
为了解决矿井涌水预测问题,引入深度学习理论,将长短期记忆网络(LSTM)和门控循环单元(GRU)进行结合,选取矿井涌水量为研究对象,建立一种LSTM-GRU的矿井涌水预测模型。以陕西某矿的矿井涌水量为样本数据,采用7∶3的比例将数据集划分为训... 为了解决矿井涌水预测问题,引入深度学习理论,将长短期记忆网络(LSTM)和门控循环单元(GRU)进行结合,选取矿井涌水量为研究对象,建立一种LSTM-GRU的矿井涌水预测模型。以陕西某矿的矿井涌水量为样本数据,采用7∶3的比例将数据集划分为训练集和测试集,选择模型训练效果较好的梯度下降算法确定网络模型参数和正则化参数,为了证明LSTM-GRU模型的预测精度,同时将结果分别与传统的ARIMA模型和LSTM模型预测矿井涌水所得到的预测结果进行对比。结果表明:LSTM-GRU复合模型的平均绝对百分比误差(RMSE)为70.51,均方根误差(MAE)为53.4,平均绝对误差(MAPE)为2.80%,可决系数(R^(2))为0.86,具有较高的预测精度和可靠性,预测效果优于传统的ARIMA模型和LSTM模型。 展开更多
关键词 矿井防治水 矿井涌水量预测 LSTM-gru网络模型 ARIMA模型 LSTM模型
在线阅读 下载PDF
基于GRU神经网络多标签多分类的焦炭质量预测模型 被引量：8
12
作者 郝晓东 乔星星 +4 位作者 王影 原靖超 张泽晖 张国杰 张永发 《煤炭转化》 CAS CSCD 北大核心 2023年第6期90-100,共11页
通过关联配合煤中硫、灰分、挥发分的质量分数等主要的煤质指标,利用基于Adma算法为优化器的GRU神经网络模型,不断对模型参数进行调整后,通过sigmoid激活函数判断模型准确率的多标签多分类方法,建立了焦炭质量预测模型。结果表明:当三层... 通过关联配合煤中硫、灰分、挥发分的质量分数等主要的煤质指标,利用基于Adma算法为优化器的GRU神经网络模型,不断对模型参数进行调整后,通过sigmoid激活函数判断模型准确率的多标签多分类方法,建立了焦炭质量预测模型。结果表明:当三层GRU网络的隐层神经元数量为(64,64,64);学习率为0.01;样本批次大小为64;样本训练次数为50;丢弃率为0.3时,得到了模型的最优参数,此时模型预测准确率达到97%。采用GRU神经网络多标签多分类焦炭预测模型不仅具有高精度、低损失函数等特点,而且针对小样本配煤数据预测焦炭质量可以达到很好的效果,对实际的配煤炼焦具有一定的参考意义。 展开更多
关键词 多标签多分类方法 神经网络 gru 焦炭质量预测模型 小样本
在线阅读 下载PDF
基于Attention-GRU模型的城市燃气用气负荷预测 被引量：9
13
作者 张应辉 《油气储运》 CAS 北大核心 2022年第11期1349-1354,共6页
随着天然气价格确定机制的完善和供储销体制改革的推进,城市燃气资源采购、输送通道、用户端平衡过程中面临诸多机遇和挑战,天然气消费量预测对构建城市能源安全体系显得尤为重要。依据天然气“供-储-销”计划管理体系框架,建立了基于At... 随着天然气价格确定机制的完善和供储销体制改革的推进,城市燃气资源采购、输送通道、用户端平衡过程中面临诸多机遇和挑战,天然气消费量预测对构建城市能源安全体系显得尤为重要。依据天然气“供-储-销”计划管理体系框架,建立了基于Attention机制的GRU(Gate Recurrent Unit)城市燃气用气负荷预测模型,利用Attention机制能够捕获时间序列关键特征的优势,解决了传统时间序列预测算法对重要特征不敏感导致预测精度不高的问题;对输入特征进行统计处理、筛选,使模型聚焦于重要时间点的燃气特征信息。将新建模型应用于北京某燃气集团用气日负荷预测,并将其与常用的传统模型进行对比,结果表明:基于Attention-GRU模型的城市燃气用气负荷预测模型在预测精度上优于其他模型,Attention机制能够捕捉重要时间点局部特征,可为增强城市燃气稳定供应提供参考。 展开更多
关键词 城市燃气 用气负荷 预测 神经网络 gru模型 Attention机制
原文传递
基于S2S-CNN-GRU的机场离港航班延误预测 被引量：7
14
作者 李善梅 周相志 《中国安全科学学报》 CAS CSCD 北大核心 2023年第8期93-100,共8页
为解决空中交通管理中机场离港航班延误预测难题,采用序列到序列(S2S)框架将门控单元循环网络(GRU)和卷积神经网络(CNN)相结合,提出一种基于S2S-CNN-GRU的航班延误预测模型,主要采用序列到序列的框架结构,利用CNN来捕获机场航班延误状... 为解决空中交通管理中机场离港航班延误预测难题,采用序列到序列(S2S)框架将门控单元循环网络(GRU)和卷积神经网络(CNN)相结合,提出一种基于S2S-CNN-GRU的航班延误预测模型,主要采用序列到序列的框架结构,利用CNN来捕获机场航班延误状态的结构化特征,作为编码器的输入,利用GRU捕获延误状态的时间特征,并作为解码器输出预测结果,提高预测的准确性。采用美国实际数据检验该模型的有效性,并同其他模型进行对比。结果表明:基于S2S-CNN-GRU的航班延误预测模型预测的平均绝对误差(MAE)为3.03,均方根误差(RMSE)为5.82,明显优于其他模型的预测效果。 展开更多
关键词 序列到序列(S2S)-卷积神经网络(CNN)-门控循环单元(gru)模型 离港航班 延误预测 神经网络 特征提取
原文传递
基于CNN-GRU-ISSA-XGBoost的短期光伏功率预测 被引量：7
15
作者 岳有军 吴明沅 +1 位作者 王红君 赵辉 《南京信息工程大学学报》 CAS 北大核心 2024年第2期231-238,共8页
针对光伏功率随机性及波动性大,单一预测模型往往难以准确分析历史数据波动规律,从而导致预测精度不高的问题,提出一种基于卷积神经网络-门控循环单元(CNN-GRU)和改进麻雀搜索算法(ISSA)优化的极限梯度提升(XGBoost)模型的短期光伏功率... 针对光伏功率随机性及波动性大,单一预测模型往往难以准确分析历史数据波动规律,从而导致预测精度不高的问题,提出一种基于卷积神经网络-门控循环单元(CNN-GRU)和改进麻雀搜索算法(ISSA)优化的极限梯度提升(XGBoost)模型的短期光伏功率预测组合模型.首先去除历史数据中的异常值并对其进行归一化处理,利用主成分分析法(PCA)进行特征选取,以便更好地识别影响光伏功率的关键因素.然后采用CNN网络提取数据的空间特征,再经过GRU网络提取时间特征,针对XGBoost模型手动配置参数困难、随机性大的问题,利用ISSA对模型超参数寻优.最后对两种方法预测的结果用误差倒数法减小误差的同时对权重进行更新,得到新的预测值,从而完成对光伏功率的预测.实验结果表明,所提出的CNN-GRU-ISSA-XGBoost组合模型具有更强的适应性和更高的精度. 展开更多
关键词 光伏功率预测 改进麻雀搜索算法 卷积神经网络 门控循环单元 XGBoost模型
在线阅读 下载PDF
基于特征挖掘的ARIMA-GRU短期电力负荷预测 被引量：37
16
作者 于军琪 聂己开 +1 位作者 赵安军 侯雪妍 《电力系统及其自动化学报》 CSCD 北大核心 2022年第3期91-99,共9页
针对短期电力负荷随机性较强、预测精度较低的问题,提出了一种基于混沌理论、变分模态分解VMD(variational modal decomposition)、整合移动平均自回归ARIMA(autoregressive integrated moving average)模型和门控循环单元GRU(gated rec... 针对短期电力负荷随机性较强、预测精度较低的问题,提出了一种基于混沌理论、变分模态分解VMD(variational modal decomposition)、整合移动平均自回归ARIMA(autoregressive integrated moving average)模型和门控循环单元GRU(gated recurrent unit)神经网络的组合预测方法。首先,对电力负荷历史数据进行相空间重构来提取混沌特征。然后,应用变分模态分解将相空间中的各维负荷序列分别分解为一组平稳性好的本征模态函数IMF(intrinsic mode function)。接着,根据频率指标过零率将每组本征模态函数重构为一个低频序列和一个高频序列。最后,分别使用ARIMA模型和GRU神经网络模型对各个低频序列和高频序列进行模型训练和迭代预测,综合各序列的预测值得到预测结果。实例分析表明,与所提其他智能算法相比,该方法具有更高的预测精度。 展开更多
关键词 负荷预测 相空间重构 变分模态分解 整合移动平均自回归模型 门控循环单元神经网络
在线阅读 下载PDF
基于GRU-XGBoost的短期风电功率预测研究 被引量：2
17
作者 耿运涛 《船电技术》 2024年第7期32-35,共4页
本文利用自适应噪声的完备经验模态分解(CEEMDAN)对风电原始序列信号进行处理后,采用GRU-XGBoost模型对非线性、非平稳的功率序列进行建模和预测,以提升模型的预测能力和泛化性。首先,通过CEEMDAN将风电功率原始序列分解为不同时间尺度... 本文利用自适应噪声的完备经验模态分解(CEEMDAN)对风电原始序列信号进行处理后,采用GRU-XGBoost模型对非线性、非平稳的功率序列进行建模和预测,以提升模型的预测能力和泛化性。首先,通过CEEMDAN将风电功率原始序列分解为不同时间尺度的分量,然后将分解后的信号输入GRU神经网络生成预测信号,最后通过XGBoost进行校正。通过与多种预测模型进行比较,证明了该模型在预测精度方面的卓越表现。 展开更多
关键词 自适应噪声 风电功率 建模和预测 gru神经网络
在线阅读 下载PDF
物联网赋能的智慧交通路口信号优化系统
18
作者 苏丽 《无线互联科技》 2026年第3期102-106,111,共6页
随着城市化进程的不断推进和机动车保有量的持续攀升,传统交通信号控制系统日益暴露出其固有局限性。文章针对传统交通路口信号控制“固定配时、无法动态适配车流量变化”导致的拥堵、延误等问题,设计了一套物联网赋能的智慧交通路口信... 随着城市化进程的不断推进和机动车保有量的持续攀升,传统交通信号控制系统日益暴露出其固有局限性。文章针对传统交通路口信号控制“固定配时、无法动态适配车流量变化”导致的拥堵、延误等问题,设计了一套物联网赋能的智慧交通路口信号优化系统。该系统通过毫米波雷达与视频摄像头组成的感知层采集实时车流量数据,经边缘计算节点预处理后,构建了一个基于门控循环单元结构(Gated Recurrent Unit,GRU)的交通信号优化原型。该系统利用GRU神经网络对未来时刻车道车流量进行预测,生成优化的绿灯分配方案,将路口平均延误时间降低8%,有效缓解了交通拥堵,为智慧交通信号的智能化、自适应控制提供可落地的技术方案。 展开更多
关键词 物联网 智慧交通 gru模型 神经网络 自适应
在线阅读 下载PDF
SARIMA-GRU组合模型的水位预测
19
作者 曹寒问 陈九江 李小玲 《南昌工程学院学报》 CAS 2024年第3期8-12,共5页
相较于传统的单一模型,组合模型在一定条件下具有更优的预测精度。为验证组合模型是否有利于提高模型的预测精度,本文以长江中游支流澧水石龟山水电站的水位数据为基础,建立SARIMA模型和GRU神经网络模型,并将这两种模型基于方差倒数法和... 相较于传统的单一模型,组合模型在一定条件下具有更优的预测精度。为验证组合模型是否有利于提高模型的预测精度,本文以长江中游支流澧水石龟山水电站的水位数据为基础,建立SARIMA模型和GRU神经网络模型,并将这两种模型基于方差倒数法和IOWA算子进行组合,最后比较单一模型和组合模型在该水位数据集上的预测精度差异。结果表明,适当的组合方式有利于提高模型预测精度,基于IOWA算子的组合模型具优良的预测性能。 展开更多
关键词 SARIMA gru神经网络 水位预测 组合模型
在线阅读 下载PDF
基于知识增强的ERBERT-GRU中文图书分类方法研究 被引量：4
20
作者 刘磊 许婕 周勇 《江西师范大学学报（自然科学版）》 CAS 北大核心 2021年第3期299-304,共6页
图书的自动分类是图书管理和图书推荐算法中的基础工作,也是难点之一,而且目前针对中文分类算法主要集中在短文本领域中,鲜有对图书等长文本分类的研究.该文对深度学习分类算法进行了深入细致的研究,并对BERT预训练模型及其变体进行相... 图书的自动分类是图书管理和图书推荐算法中的基础工作,也是难点之一,而且目前针对中文分类算法主要集中在短文本领域中,鲜有对图书等长文本分类的研究.该文对深度学习分类算法进行了深入细致的研究,并对BERT预训练模型及其变体进行相应的改进.利用复杂层级网络叠加双向Transformer编码器来提取隐藏在文本中的细粒度信息.在预训练过程中,增加实体级别的遮罩,获得对传统BERT模型的改进,提高了模型对中文语义理解的能力.通过添加外部知识提升了该模型的鲁棒性. 展开更多
关键词 图书分类 ERBERT-gru模型 神经网络 深度学习 知识嵌入
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 … 4 下一页 到第 页
使用帮助 返回顶部